动手深度学习——高维理解及卷积神经网络

动手深度学习

高维理解及卷积神经网络

---

---

前言

最近在从tensorflow框架转到pytorch框架，跟着李沐大大的动手深度学习，从头又过了一遍。后续会一直更新一些学习的心得，可能会很简单，仅仅是自己在学习过程中觉得有点困难的部分，希望大佬们多多指点。

至于写这篇blog的原因。一来是，高维向量在刚开始学数据分析时带来了巨大的困惑。三维向量还是十分好理解的，但是，一旦维度高了就很难想象及理解。二来是，在学习动手深度学习时也发现，有提到为什么卷积层是一个四维的。借着这篇文章聊聊自己的一些看法。

---

一、如何理解高维？

1.1 一般的理解

在学校，学习python的numpy库过程中，发现很多同学对于高维及axis也就是轴有很大的困惑。一般的理解都是一维就是一条记录，从几何的角度就是线；二维就是一张表，也就是一张平面；而三维就是一个体。那四维呢？五维呢？如果单从几何的角度考虑似乎有点困难了。任课老师提出了一个穿脱衣服的理论，很形象的解释了删减括号带来的维度的变化，但是我觉得并未很好的解释数据分析过程中高维的概念。

下文我将从几个角度来讲下我的想法。

1.2 图书馆理论

我们顺着一维就是一条记录，二维就是一张表（一条记录，一张表的定义其实非常的不好，请各位仅仅理解成一维数组，二维数组的概念），请各位只是理解成的思路继续向下&