数学基础

一、线性代数 #

1、标量(Scalar)： #

实数，只有大小，没有方向。

2、向量(Vector)： #

向量：一组实数组成的有序数组，同时具有大小和方向。 点积：$\boldsymbol{a}^{T} \boldsymbol{b}=\sum_{i} a_{i} b_{i}$。

3、范数 #

满足以下条件的函数 $f: \mathbb{R}^{n} \rightarrow \mathbb{R}$, $\operatorname{dom} f=\mathbb{R}^{n}$ 称为范数：

• $f$ 是非负的：对所有的 $\boldsymbol{x} \in \mathbb{R}^{n}$ 成立 $f(\boldsymbol{x}) \geq 0$ ；
• $f$ 是正定的：仅对 $\boldsymbol{x}=\mathbf{0}$ 成立 $f(\boldsymbol{x})=0$ ；
• $f$ 是齐次的：对所有的 $\boldsymbol{x} \in \mathbb{R}^{n}$ 和 $t \in \mathbb{R}$ 成立 $f(t \boldsymbol{x})=|t| f(\boldsymbol{x})$ ；
• $f$ 满足三角不等式：对所有的 $\boldsymbol{x}, \boldsymbol{y} \in \mathbb{R}^{n}$ 成立 $f(\boldsymbol{x}+\boldsymbol{y}) \leq f(\boldsymbol{x})+f(\boldsymbol{y})$ ；
• $\ell_{\infty}$ －范数：$\|\boldsymbol{x}\|_{\infty}=\max \left\{\left|x_{1}\right|, \ldots,\left|x_{n}\right|\right\}$ ；
• 更一般地：$\|x\|_{p}=\left(\left|x_{1}\right|^{p}+\cdots+\left|x_{n}\right|^{p}\right)^{\frac{1}{p}}$ 。

4、矩阵（Matrix） #

$$\boldsymbol{A}=\left[\begin{array}{cccc}a_{11} & a_{12} & \cdots & a_{1 N} \\ a_{21} & a_{22} & \cdots & a_{2 N} \\ \vdots & \vdots & \ddots & \vdots \\ a_{M 1} & a_{M 2} & \cdots & a_{M N}\end{array}\right]$$

$\boldsymbol{A}$ 是一个由 $M$ 行 $N$ 列个元素排列成的矩形阵列，称为 $M \times N$ 的矩阵。

5、线性变换 #

矩阵 $\boldsymbol{A}$ 定义了一个从空间 $\mathbb{R}^{N}$ 到空间 $\mathbb{R}^{M}$ 的线性映射（线性变换）。

两个有限维欧氏空间的映射函数$f:\mathbb{R}^{N} \rightarrow \mathbb{R}^{M}$可以表示为：

$$\boldsymbol{y}=\boldsymbol{A} \boldsymbol{x} \triangleq\left[\begin{array}{c} a_{11} x_{1}+a_{12} x_{2}+\cdots+a_{1 N} x_{N} \\ a_{21} x_{1}+a_{22} x_{2}+\cdots+a_{2 N} x_{N} \\ \vdots \\ a_{M 1} x_{1}+a_{M 2} x_{2}+\cdots+a_{M N} x_{N} \end{array}\right]$$

6、Hadamard积 #

矩阵 $\boldsymbol{A}$ 和矩阵 $\boldsymbol{B}$ 的Hadamard积也称为逐点乘积，为 $\boldsymbol{A}$ 和 $\boldsymbol{B}$ 中对应的元素相乘。

$$[\boldsymbol{A} \odot \boldsymbol{B}]_{m n}=a_{m n} b_{m n}$$

7、矩阵范数 #

算子范数：算子范数是衡量线性算子或矩阵对向量放大作用的最大倍数的范数。

$$\|A\|=\max \left\{\frac{\|A x\|}{\|x\|}: x \in \mathbb{R}^{n}, x \neq \mathbf{0}\right\}=\max \left\{\|A x\|: x \in \mathbb{R}^{n},\|x\|=1\right\}$$

常见算子范数：

$$\|\boldsymbol{A}\|_{p}=\max _{\boldsymbol{x} \neq \mathbf{0}} \frac{\|\boldsymbol{A} \boldsymbol{x}\|_{p}}{\|\boldsymbol{x}\|_{p}}$$

最大绝对列和：$\|\boldsymbol{A}\|_{1}=\max _{1 \leq j \leq n} \sum_{i=1}^{m}\left|a_{i j}\right|$ ； $\boldsymbol{A}$ 的最大奇异值：$\|\boldsymbol{A}\|_{2}=\sqrt{\lambda_{\max }\left(\boldsymbol{A}^{T} \boldsymbol{A}\right)}$ ； 最大绝对行和：$\|\boldsymbol{A}\|_{\infty}=\max _{1 \leq i \leq m} \sum_{j=1}^{n}\left|a_{i j}\right|$ ； Frobenius 范数：$\|A\|_{\text {Frob }}=\left[\sum_{i j} A_{i j}^{2}\right]^{\frac{1}{2}}$。

8、特征值和特征向量 #

对于一个给定的线性变换 $\boldsymbol{A}$ ，它的特征向量 $\boldsymbol{x}$ ，经过这个线性变换之后，得到的新向量仍然与原来的 $\boldsymbol{x}$ 保持在同一条直线上，但其长度或方向也许会改变。$\boldsymbol{A} x=\lambda x$，$\lambda$ 为特征值。对称矩阵总会有相应的特征向量和特征值。

正定性：

$$\|x\|^{2}=x^{T} x \geq 0$$

一般化： $\forall x \neq 0, x^{T} A x>0$ ，称 $\boldsymbol{A}$ 为正定矩阵。设 $\boldsymbol{A}$ 是 $n \times n$ 对称矩阵，当且仅当 $\boldsymbol{A}$ 的特征值均为非负数，称 $\boldsymbol{A}$ 为半正定矩阵。

正交矩阵：

• 所有的列向量都是单位正交向量
• 所有的行向量都是单位正交向量
• 可以写为：$\boldsymbol{U} \boldsymbol{U}^{T}=\boldsymbol{I}$

置换矩阵：

• 矩阵的每一行和每一列的元素中只有一个 1 ，其余元素都为 0。置换矩阵是正交矩阵。

9、张量（Tensor） #

一个数组中的元素分布在若干维坐标的规则网格中。

二、微积分 #

1、标量求导 #

$y$	$a$	$x^{n}$	$e^x$	$\log (x)$	$\sin (x)$
$\frac{d y}{d x}$	$0$	$n x^{n-1}$	$e^x$	$\frac{1}{x}$	$\cos (x)$

$y$	$u+v$	$u v$	$y=f(u), u=g(x)$
$\frac{d y}{d x}$	$\frac{d u}{d x}+\frac{d v}{d x}$	$\frac{d u}{d x} v+\frac{d v}{d x} u$	$\frac{d y}{d u} \frac{d u}{d x}$

2、矢量求导 #

若$\boldsymbol{x}=\left[\begin{array}{c}x_{1} \\x_{2} \\\vdots \\x_{n}\end{array}\right]$，则$\frac{\partial y}{\partial \boldsymbol{x}}=\left[\frac{\partial y}{\partial x_{1}}, \frac{\partial y}{\partial x_{2}}, \ldots, \frac{\partial y}{\partial x_{n}}\right]$ 若$\boldsymbol{y}=\left[\begin{array}{c}y_{1} \\y_{2} \\\vdots \\y_{n}\end{array}\right]$，则$\frac{\partial \boldsymbol{y}}{\partial x}=\left[\begin{array}{c}\frac{\partial y_{1}}{\partial x} \\\frac{\partial y_{2}}{\partial x} \\\vdots \\\frac{\partial y_{m}}{\partial x}\end{array}\right]$ 若$\boldsymbol{x}=\left[\begin{array}{c}x_{1} \\x_{2} \\\vdots \\x_{n}\end{array}\right]$，$\boldsymbol{y}=\left[\begin{array}{c}y_{1} \\y_{2} \\\vdots \\y_{n}\end{array}\right]$，则$\frac{\partial \boldsymbol{y}}{\partial \boldsymbol{x}}=\left[\begin{array}{c}\frac{\partial y_{1}}{\partial \boldsymbol{x}} \\\frac{\partial y_{2}}{\partial \boldsymbol{x}} \\\vdots \\\frac{\partial y_{m}}{\partial \boldsymbol{x}}\end{array}\right]=\left[\begin{array}{c}\frac{\partial y_{1}}{\partial x_{1}}, \frac{\partial y_{1}}{\partial x_{2}}, \ldots, \frac{\partial y_{1}}{\partial x_{n}} \\\frac{\partial y_{2}}{\partial x_{1}}, \frac{\partial y_{2}}{\partial x_{2}}, \ldots, \frac{\partial y_{2}}{\partial x_{n}} \\\vdots \\\frac{\partial y_{m}}{\partial x_{1}}, \frac{\partial y_{m}}{\partial x_{2}}, \ldots, \frac{\partial y_{m}}{\partial x_{n}}\end{array}\right]_{m \times n}$

3、矢量和矩阵求导 #

求导的分母形状不变，分子的形状变成倒数，最后形状按照分子加分母的形状拼接，将形状为1的部分舍弃。

	$x(1,)$	$\boldsymbol{x}(n,1)$	$\boldsymbol{X}(n,k)$
$y(1,)$	$\frac{\partial y}{\partial x}(1,)$	$\frac{\partial y}{\partial \boldsymbol{x}}(1, n)$	$\frac{\partial y}{\partial \boldsymbol{X}}(k, n)$
$\boldsymbol{y}(m,1)$	$\frac{\partial \boldsymbol{y}}{\partial x}(m, 1)$	$\frac{\partial \boldsymbol{y}}{\partial \boldsymbol{x}}(m, n)$	$\frac{\partial \boldsymbol{y}}{\partial \boldsymbol{X}}(m, k, n)$
$\boldsymbol{Y}(m,l)$	$\frac{\partial \boldsymbol{Y}}{\partial x}(m, l)$	$\frac{\partial \boldsymbol{Y}}{\partial \boldsymbol{x}}(m, l, n)$	$\frac{\partial \boldsymbol{Y}}{\partial \boldsymbol{X}}(m, l, k, n)$

4、自动微分 #

深度学习框架通过自动计算导数，即自动微分（automatic differentiation）来加快求导。根据设计好的模型，系统会构建⼀个计算图（computational graph），来跟踪计算是哪些数据通过哪些操作组合起来产生输出。

import torch
x=torch.arange(4.0)
x.requires_grad_(True)
y=2*torch.dot(x,x)
y.backward()
x.grad

正向传播

$$\frac{\partial y}{\partial x}=\frac{\partial y}{\partial u_{n}}\left(\frac{\partial u_{n}}{\partial u_{n-1}}\left(\ldots\left(\frac{\partial u_{2}}{\partial u_{1}} \frac{\partial u_{1}}{\partial x}\right)\right)\right)$$

反向传播

$$\frac{\partial y}{\partial x}=\left(\left(\left(\frac{\partial y}{\partial u_{n}} \frac{\partial u_{n}}{\partial u_{n-1}}\right) \ldots\right) \frac{\partial u_{2}}{\partial u_{1}}\right) \frac{\partial u_{1}}{\partial x}$$

三、信息论 #

1、熵 #

信息论的核心思想是量化数据中的信息内容。在信息论中，该数值被称为分布 $P$ 的熵（entropy）。可以通过以下方程得到：

$$H[P]=\sum_{j}-P(j) \log P(j)$$

信息论的基本定理之一指出，为了对从分布 $p$ 中随机抽取的数据进行编码，我们至少需要 $H[P]$ ＂纳特（nat）＂对其进行编码。＂纳特＂相当于比特（bit），但是对数底为 $e$ 而不是 $2$ 。因此，一个纳特是 $\frac{1}{\log (2)} \approx 1.44$ 比特。

2、交叉熵 #

交叉熵是按照概率分布 $q$ 的最优编码对真实分布为 $p$ 的信息进行编码的长度。

$$H(p, q) =E_{p}[-\log q(x)] =-\sum_{x} p(x) \log q(x)$$

在给定 $q$ 的情况下，如果 $p$ 和 $q$ 越接近，交叉熵越小；如果 $p$ 和 $q$ 越远，交叉熵就越大。

3、KL散度 #

KL散度是用概率分布 $q$ 来近似 $p$ 时所造成的信息损失量。 KL散度是按照概率分布 $q$ 的最优编码对真实分布为 $p$ 的信息进行编码，其平均编码长度（即交叉熵） $H(p, q)$ 和 $p$ 的最优平均编码长度（即熵） $H(p)$ 之间的差异。

$$\operatorname{KL}(p, q)= H(p, q)-H(p) = \sum_{x} p(x) \log \frac{p(x)}{q(x)}$$ $$\operatorname{KL}(p, q)= H(p, q)-H(p) =\int p(x) \log \frac{p(x)}{q(x)} d x$$

4、交叉熵损失 #

在分类任务中，最小化 KL 散度等价于最小化交叉熵，而当真实标签是 one-hot 时，交叉熵进一步简化为负对数似然。 KL 散度衡量两个分布的差异，最小化 KL 散度等价于让模型分布逼近真实分布。

$$\mathrm{D}_{K L}\left(p_{r}(y \mid x)| | p_{\theta}(y \mid x)\right) =\sum_{y=0}^{k} p_{r}(y \mid x) \log \frac{p_{r}(y \mid x)}{p_{\theta}(y \mid x)} =\sum_{y} p_{r}(y \mid x) \log p_{r}(y \mid x)-\sum_{y} p_{r}(y \mid x) \log p_{\theta}(y \mid x)$$

化简后第一项为常数，第二项为交叉熵，即 KL 散度正比于交叉熵，最小化 KL 散度等价于最小化交叉熵。

• $p_{r}(y \mid x)$ ：真实的条件分布（ground truth），给定输入 $x$ 时，输出为 $y$ 的真实概率。
• $p_{\theta}(y \mid x)$ ：模型预测的条件分布，由参数 $\theta$ 决定。