深度学习不同层次之间都是矩阵运算吗 最轻量级的深度学习框架是哪个

深度学习不同层次之间都是矩阵运算吗

本文从向量的概念与运算扩展到矩阵运算的概念与代码实现，对机器学习或者是深度学习的入门者提供最基础，也是最实用的教程指导，为以后的机器学习模型开发打下基础。
在我们学习机器学习时，常常遇到需要使用矩阵提高计算效率的时候。如在使用批量梯度下降迭代求最优解时，正规方程会采用更简洁的矩阵形式提供权重的解析解法。而如果不了解矩阵的运算法则及意义，甚至我们都很难去理解一些如矩阵因子分解法和反向传播算法之类的基本概念。同时由于特征和权重都以向量储存，那如果我们不了解矩阵运算，代码实现将变得十分艰难。

最轻量级的深度学习框架是哪个

大部分深度学习框架都包含以下五个核心组件：

1. 张量（Tensor）

2. 基于张量的各种操作

3. 计算图（Computation Graph）

4. 自动微分（Automatic Differentiation）工具

5. BLAS、cuBLAS、cuDNN等拓展包

什么是深度学习

普通的神经网络，输入的数据对应一组组的特征值，经过学习，完成分类拟合或预测；深度学习的作用，在于确定给神经网络输入什么特征的值，即用机器完成特征提取，而不需要用其他的方式来人工确定特征，提取特征。