在创建TensorFlow中的应用程序之前，最好能先理解TensorFlow所需的数学概念。数学被认为是任何机器学习算法的核心。
线性代数
- 标量(scalar) 一个单独的数
- 向量(vector) 一列数，即一维数组
- 矩阵(matrix) 二维数组
- 张量(tensor) 多维数组
矩阵加法
如果2个矩阵维数相同，则这2个矩阵可以相加。矩阵相加时，2个矩阵对应位置的元素进行相加。
示例
矩阵减法
矩阵减法与矩阵加法类似，2个维数相同的矩阵，对应位置元素进行相减运算。
示例
矩阵乘法
2个矩阵相乘，跟加减法稍有不同，不是对应元素相乘。
假设矩阵A (形状m x n) 与 B (形状p x q)相乘，必须n = q，即A的列数必须与B的行数相同，得到的结果是C(形状m x q)，其中元素的算法如下：
示例
矩阵转置
矩阵转置是指把一个矩阵的列转置为行得到一个新矩阵，矩阵A的转置可以表示为A^TAT。
示例
向量点积
向量是一维数组，2个长度相同的向量可以求点积。点积是指2个长度相同的向量，对应元素相乘然后再相加得到的值。
