TensorFlow中关于张量的运算主要有：数学运算，矢量运算及矩阵运算，另外在实际的张量运算过程中，支也支持与numpy的广播特性，不同维度的张量之间往往存在这低维张量向高维张量进行广播的现象，这也称之为张量的广播机制。本文主要从数学运算、矢量运算、矩阵运算三个方面介绍张量运算相关的内容，最后我们在大致了解以下张量的广播机制。

一、数学运算

在凝聚态物理和量子力学中，电子-电子相互作用是影响材料性质的关键因素之一。电子之间的库伦排斥力可以显著影响电子的运动和材料的电子结构。然而，材料中的电子并非独立存在，而是会通过相互作用产生屏蔽效应，从而减弱实际感受到的库伦排斥力。屏蔽效应（Screening Effect）在金属、半导体、绝缘体等各种材料中都起到重要作用，它是理解导电性、能带结构以及许多物理现象的基础。本文将详细论述电子-电子相互作用的屏蔽效应，包括其物理机制、数学描述、在不同材料中的表现及其在凝聚态物理中的重要应用。

明敏 发自 凹非寺
量子位 报道 | 公众号 QbitAI

在我们的生活中，大到天体观测、小到MP3播放器上的频谱，没有傅里叶变换都无法实现。

通俗来讲，

一、CNN原理

卷积神经网络（CNN）主要是用于图像识别领域，它指的是一类网络，而不是某一种，其包含很多不同种结构的网络。不同的网络结构通常表现会不一样。从CNN的一些典型结构中，可以看到这些网络创造者非常有创造力，很多结构都非常巧妙，有机会再介绍现今主流的一些典型结构。 现在我们先来简单介绍一下卷积神经网络的原理。

如果觉得我的算法分享对你有帮助，欢迎关注我的微信公众号“圆圆的算法笔记”，更多顶会干货、算法笔记、算法交流，以及世间万物的学习记录～

Transformer目前已经成为NLP领域的主流模型，Bert、GPT都是基于Transformer模型结构。同时，Transformer在CV领域也逐渐取得大范围的应用。对Transformer模型结构的深入细致了解非常必要。然而，Transformer的Attention计算代价较高，随着序列长度的增加计算量显著提升。因此，业内出现了很多Transformer魔改工作，以优化Transformer的运行效率。

导言

啦啦啦，现今 GAN 算法可以算作 ML 领域下比较热门的一个方向。事实上，GAN 已经作为一种思想来渗透在 ML 的其余领域，从而做出了很多很 Amazing 的东西。比如结合卷积神经网络，可以用于生成图片。或者结合 NLP，可以生成特定风格的短句子。（比如川普风格的 twitter......）

可惜的是，网络上很多老司机开 GAN 的车最后都翻了，大多只是翻译了一篇论文，一旦涉及算法实现部分就直接放开源的实现地址，而那些开源的东东，缺少了必要的引导，实在对于新手来说很是懵逼。所以兔子哥哥带着开好车，开稳车的心态，特定来带一下各位想入门 GAN 的其他小兔兔们来飞一会。

机器之心报道

参与：Racoon、Jamin

经典数据结构和算法你了解几个？想去大厂面试？想成为算法工程师？收下这份全面的复习材料。

不想做低级码农，不想成为前端抠图达人或是后台「增删改查」小王子？那你可能需要好好复习下算法与数据结构。想成为算法工程师，基础知识是绕不开的大山。机器之心这次要推荐的项目是数据结构与算法的开源项目集，覆盖多种主流语言，实现各类经典数据结构及算法

作者 | Chris Price

译者 | 明知山