Gram matrix 格拉姆矩阵

Gram matrix 度量各个维度本身的特性以及各个维度之间的关系。

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

由感知机（对偶感知机中须要计算样本点两两之间的内积和，并进行存储，这样想到的方式是Gram矩阵）所以，想了解什么是Gram matrix

老办法：知乎—>Google—>Papers

知乎：Gram matrix

度量各个维度本身的特性以及各个维度之间的关系。

当同一个维度上面的值相乘的时候原来越小就变得更小，原来越大就变得越大；二不一样维度上的关系也在相乘的表达当中表示出来。

即经过相乘运算，它将特征之间的区别进行扩大或者缩小，主要在图像处理中应用。

Gram Matrix实际上可看作是feature之间的偏爱协方差矩阵（即没有减去均值的协方差矩阵）

Google：

Gram矩阵的每一个值表明i通道的feature map与j通道的feature map之间的互相关程度。

Gram矩阵和卷积网络中的卷积的差异

Gram矩阵是计算每一个通道i的feature map与每一个通道j的feature map的内积。天然就会获得C*C的矩阵。Gram矩阵的每一个值能够说是表明i通道的feature map与j通道的feature map的互相关程度。而卷积网络的卷积其实也是互相关,具体状况见CNN基本问题 中的卷积究竟是如何卷积的？？。 值得注意的是：卷积网络的卷积和互相关是同样的，不是信号处理中所说的要先将卷积核旋转180再计算。

这句话没懂（这里只是强调互相关？），留着看到卷积网络的时候回来看