在TensorFlow中创建基本应用程序之前，了解TensorFlow所需的数学概念非常重要，数学被视为任何机器学习算法的核心，借助于数学的核心概念，定义了针对特定机器学习算法的解决方案。
向量(Vector)
将连续或离散的数字数组定义为向量，机器学习算法处理固定长度的向量，以产生更好的输出。
机器学习算法处理多维数据，因此向量起着至关重要的作用。
向量模型的图形表示如下所示-
标量(Scalar)
标量可以定义为一维向量，标量是仅包含量级而没有方向的标量。
矩阵(Matrix)
矩阵可以定义为多维数组，以行和列的格式排列。矩阵的大小由行长和列长定义。下图显示了任何指定矩阵的表示形式。
考虑如上所述的具有" m"行和" n"列的矩阵，矩阵表示将被指定为" m * n矩阵"，其也定义了矩阵的长度。
参考链接
https://www.learnfk.com/tensorflow/tensorflow-mathematical-foundations.html
标签：教程,定义,矩阵,无涯,算法,标量,TensorFlow,向量 From： https://blog.51cto.com/u_14033984/7150820