資訊專欄INFORMATION COLUMN
摘要：這里通過(guò)數(shù)學(xué)的角度理解一下矩陣的平移，縮放和旋轉(zhuǎn)假設(shè)一個(gè)向量為其中表示向量，表示方向如果，那么平移就沒(méi)有意義，也就是說(shuō)平移一個(gè)方向沒(méi)有意義，為何可以在下面的公式看得處假設(shè)一個(gè)矩陣為那么向量乘矩陣的結(jié)果為觀察結(jié)果，如果紅色框部分為單位向量的話
這里通過(guò)數(shù)學(xué)的角度理解一下矩陣的平移，縮放和旋轉(zhuǎn)
假設(shè)一個(gè)向量為vec=(x,y,z,w),
其中w=1表示向量，w=0表示方向
如果w=0，那么平移就沒(méi)有意義，也就是說(shuō)平移一個(gè)方向沒(méi)有意義，為何可以在下面的公式看得處.
假設(shè)一個(gè)矩陣為
` mat= a1 a2 a3 a b1 b2 b3 b c1 c2 c3 c 0 0 0 0 , //那么向量乘矩陣的結(jié)果為 x=a1x+a2y+a3z+a y=b1x+b2y+b3z+b z=c1x+c2y+c3z+c w=1 , `
觀察結(jié)果，如果紅色框部分為單位向量的話，那a,b,c分別為下x,y,z移動(dòng)距離的話，就不難理解了
縮放矩陣的話，如果a1,b2,c3的值外，其余為0的話，那么a1,b2,c3的值便是x，y，z的縮放值
如果是旋轉(zhuǎn)矩陣，假設(shè)我們是繞Z軸旋轉(zhuǎn)，那結(jié)果公式中Z軸不應(yīng)變化，所以c1，c2為0，
假設(shè)旋轉(zhuǎn)角度為α，則a1=cosα,a2=sinα,b1=-sinα,b2=conα,原理大概就是a1,b2控制x，y縮放，a2,b1控制x，y旋轉(zhuǎn)，如果想詳細(xì)了解原理，推薦看這個(gè)線性代數(shù)詳解;
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/96373.html
摘要：個(gè)人前端文章整理從最開始萌生寫文章的想法，到著手開始寫，再到現(xiàn)在已經(jīng)一年的時(shí)間了，由于工作比較忙，更新緩慢，后面還是會(huì)繼更新，現(xiàn)將已經(jīng)寫好的文章整理一個(gè)目錄，方便更多的小伙伴去學(xué)習(xí)。 showImg(https://segmentfault.com/img/remote/1460000017490740?w=1920&h=1080); 個(gè)人前端文章整理 從最開始萌生寫文章的想法，到著手...
摘要：但是由于神經(jīng)網(wǎng)絡(luò)的許多細(xì)節(jié)并未過(guò)分深入比如層數(shù)和每層神經(jīng)元數(shù)的設(shè)定，過(guò)擬合等，初建的網(wǎng)絡(luò)實(shí)際上和真實(shí)的網(wǎng)絡(luò)還是有一定差距的。和神經(jīng)網(wǎng)絡(luò)中其他層不同，輸出層的神經(jīng)元一般不會(huì)有激活函數(shù)，最后的輸出層大多用于表示分類評(píng)分值。 【DL-CV】激活函數(shù)及其選擇【DL-CV】卷積神經(jīng)網(wǎng)絡(luò) 在介紹了線性分類器，激活函數(shù)，損失函數(shù)，反向傳播這些基礎(chǔ)的原理后，已經(jīng)可以嘗試自行搭建像樣的神經(jīng)網(wǎng)絡(luò)了。但是由...
閱讀 1506·2021-11-22 13:52
閱讀 1319·2021-09-29 09:34
閱讀 2719·2021-09-09 11:40
閱讀 3041·2019-08-30 15:54
閱讀 1268·2019-08-30 15:53
閱讀 980·2019-08-30 11:01
閱讀 1369·2019-08-29 17:22
閱讀 1961·2019-08-26 10:57
