第(2/3)页

    当时林奇第一次也没听懂。

    不过他看了看还是大致明白过来，所谓张量，就是一个广义的矩阵。

    高中学习的向量是一维矩阵，数字的立方体是三维矩阵，甚至耽搁数字也是矩阵。

    这里冥冥中已经和那神经网络算法所切合，而张量之所以与纯矩阵有曲风，便在于他拥有动态特征——生活在结构中，与其他数学实体相互作用。

    而计算机科学里，张量则是一个n纬矩阵。

    林奇默默在纸面上重新打版，刚刚他已经将整个神秘的控制知识拱手托出，与着神孽交换。

    至于对方是否会靠此找到成神的专门要是与切记，他也都无所谓。

    火都烧到眉头了，谁还会估计明天的饭菜热不热。

    而随着书写，林奇的板书笔法也越发飘忽——

    训练后的神经网络以标签或预估值对数据分类，此乃推理。

    因此每个神经元都需要进行计算。

    输入数据乘以权重，表示信号强度。

    结果相加聚合神经元状态。

    使用激活函数调节神经元参数活动。

    如此一步接着一步，连绵不绝。

    按理说，三个输入而只有两个神经元与一个单层神经网络的话，权重与输入便要六次乘法……

    如此一来，矩阵里的乘片与取片，都需要大量的cpu周期与内存，而tpu这种芯片，便是为了减轻这种负荷而生。

    林奇忍不住皱眉看了眼周围。
    第(2/3)页