Gram matrix 格拉姆矩陣

Gram matrix 度量各個維度本身的特性以及各個維度之間的關係。

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

由感知機（對偶感知機中須要計算樣本點兩兩之間的內積和，並進行存儲，這樣想到的方式是Gram矩陣）所以，想了解什麼是Gram matrix

老辦法：知乎—>Google—>Papers

知乎：Gram matrix

度量各個維度本身的特性以及各個維度之間的關係。

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；二不一樣維度上的關係也在相乘的表達當中表示出來。

即經過相乘運算，它將特徵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實際上可看作是feature之間的偏愛協方差矩陣（即沒有減去均值的協方差矩陣）

Google：

Gram矩陣的每一個值表明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異

Gram矩陣是計算每一個通道i的feature map與每一個通道j的feature map的內積。天然就會獲得C*C的矩陣。Gram矩陣的每一個值能夠說是表明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,具體狀況見CNN基本問題 中的卷積究竟是如何卷積的？？。 值得注意的是：卷積網絡的卷積和互相關是同樣的，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（這裏只是強調互相關？），留着看到卷積網絡的時候回來看