참고) Scalar, Vector, Matrix, Tensor

https://art28.github.io/blog/linear-algebra-1/

 

1. Scala : 단일 숫자 / 0차 텐서 / 소문자 normal

• n : 양의 정수 집합 (1,2,3..)
• z : 양,음수와 0의 집합 (...,-2,-1,0,1,2,...)
• q : 유리수 (z + 분수)
• 값 (Value)을 나타냄

2. Vector : Scala의 배열 / ordered arrays /  1차 텐서 / 소문자 Bold

• Scala는 값 1개만 나타낸다면, Vector는 크기와 방향, 속도와 거리, 속도와 속도차, 텍스트에서 단어간의 연관성, 이미지에서의 픽셀 집적도 (intensity) 등을 인코딩할 수 있게 함.
• 머신러닝에서는 feature vector라고 표현되기도 함. (Which are their individual components specifying how important a particular feature is.)

3. Matric : Vector의 배열 / rectangular arrays /  2차 텐서 / 대문자 Bold 

• m * n 의 형태. m = rows, n = columns
• i = row / j = column
• 3D 그래픽의 초석
• 회전(rotation), 반사(reflection), 변환(transformation) 등 geometrical한 문제를 다룸.
• 딥러닝에서는 weight로 matrics가 들어가기도 함

4. Tensor : 3차 텐서

• 딥러닝에서는 2차원 이미지의 RGB의 강도값을 설명하는데에 사용됨.

 

https://www.quantstart.com/articles/scalars-vectors-matrices-and-tensors-linear-algebra-for-deep-learning-part-1/

Scalars, Vectors, Matrices and Tensors - Linear Algebra for Deep Learning (Part 1) | QuantStart