深度学习中使用到的数学

3、 深度学习中的运算常常被表示成向量和矩阵运算。 线性代数正是这样一门以向量和矩阵作为研究对象的数学分支。 需要重点温习的包括向量、线性空间、线性方程组、矩阵、矩阵运算及其性质、向量微积分。

2、 首先是线性代数。 在神经网络中大量的计算都是矩阵乘法，这就需要用到线性代数的知识了。 计算向量的余弦相似度也要用到内积运算，矩阵的各种分解办法也出现在主成分分析和奇异值分解中。 其次是概率论与统计学。

1、 总结来说，1x1卷积、2D/3D卷积和转置卷积是深度学习中不可或缺的构建模块，它们通过数学推导和实际应用展示了深度学习的灵活性和力量。 深入理解这些概念，将有助于我们更好地设计和优化深度学习模型。 参考文献：[1-4]。