点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
想要真正了解深度神经网络是如何训练的，免不了从矩阵微积分说起。
虽然网络上已经有不少关于多元微积分和线性代数的在线资料，但它们通常都被视作两门独立的课程，资料相对孤立，也相对晦涩。
不过，先别打退堂鼓，来自旧金山大学的Terence Parr教授说：矩阵微积分真的没有那么难。
这位ANTLR之父和fast.ai创始人Jeremy Howard一起推出了一篇免费教程，旨在帮你快速入门深度学习中的矩阵微积分。简明，易懂。
DeepMind研究科学家Andrew Trask评价说：
如果你想跳过不相干的内容，一文看尽深度学习中所需的数学知识，那么就是这份资源没错了。
只需一点关于微积分和神经网络的基础知识，就能单刀直入，开始以下的学习啦。
先来看一眼这篇教程都涵盖了哪些内容：
基本概念
矩阵微积分
神经元激活的梯度
神经网络损失函数的梯度
文章开篇，先介绍了一下人工神经元。
神经网络中单个计算单元的激活函数，通常使用权重向量w与输入向量x的点积来计算。
神经网络由许多这样的单位组成。它们被组织成称为层的神经元集合。上一层单元的激活成为下一层单元的输入，最后一层中一个或多个单元的激活称为网络输出。
训练神经元意味着对权重w和偏差b的选择。我们的目标是逐步调整w和b，使总损失函数在所有输入x上都保持较小。
导数规则、向量计算、偏导数……复习完需要掌握的先导知识，文章开始进入重要规则的推导，这些规则涉及矢量偏导数的计算，是神经网络训练的基础。
比如在矩阵微积分这一节中，涵盖：
雅可比式（Jacobian）的推广
向量element-wise二元算子的导数
涉及标量展开的导数
向量和降维
链式法则
每一小节中，都有简洁明了的示例，由浅入深，层层递进。
如果你在学习的过程中遇到不理解的地方，不要着急，耐心返回上一节阅读，重新演算一下文中的示例，或许就能理顺思路。
如果实在是卡住了无法推进，你还可以在fast.ai论坛（链接见文末）的“Theory”分类下提问，向Parr和Howard本人求解答。
而在文章的末尾，作者附上了所有数学符号的对照表。
以及重点概念的详细补充信息。
值得注意的是，Parr和Howard也强调了，与其他学术方法不同，他们强烈建议先学会如何训练和使用神经网络，然后再深入了解背后的基础数学。因为有了实践经验，数学会变得刚容易理解。
网页版：
https://explained.ai/matrix-calculus/index.html
PDF：
https://arxiv.org/abs/1802.01528
在我爱计算机视觉公众号后台回复“矩阵微积分”，即可收到PDF下载地址。
fast.ai论坛：
http://forums.fast.ai/
下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~
