Gram?matrix?度量各個維度自己的特性以及各個維度之間的關系。

來自：https://www.zhihu.com/question/49805962?from=profile_question_card

由感知機（對偶感知機中需要計算樣本點兩兩之間的內積和，并進行存儲，這樣想到的方式是Gram矩陣）因此，想了解什么是Gram matrix

老辦法：知乎—>Google—>Papers

知乎：Gram matrix

度量各個維度自己的特性以及各個維度之間的關系。

當同一個維度上面的值相乘的時候原來越小就變得更小，原來越大就變得越大；二不同維度上的關系也在相乘的表達當中表示出來。

即通過相乘運算，它將特征之間的區別進行擴大或者縮小，主要在圖像處理中應用。

Gram Matrix實際上可看做是feature之間的偏心協方差矩陣（即沒有減去均值的協方差矩陣）

Google：

Gram矩陣的每個值代表i通道的feature map與j通道的feature map之間的互相關程度。

Gram矩陣和卷積網絡中的卷積的差別

Gram矩陣是計算每個通道i的feature map與每個通道j的feature map的內積。自然就會得到C*C的矩陣。Gram矩陣的每個值可以說是代表i通道的feature map與j通道的feature map的互相關程度。而卷積網絡的卷積其實也是互相關,具體情況見CNN基本問題?中的卷積到底是如何卷積的？？。 值得注意的是：卷積網絡的卷積和互相關是一樣的，不是信號處理中所說的要先將卷積核旋轉180再計算。

這句話沒懂（這里只是強調互相關？），留著看到卷積網絡的時候回來看

?

?

?