在以前的文章里，或者说在我们日常学习和应用深度学习机器学习的项目时，我们见过很多数学符号或希腊字母。假如不曾上过中学接受过业务教育，估计我们叫都叫不上来。或者进一步说，岂止叫不出来，打字也不好打出来。
比如我们之前文章里说的最简单最基础的函数y=f(x)。当然这个不对，这里的f就是专用的数学符号∫。当然，纸质书上印刷的是f和∫结合，字母f下面弯钩组成的。而这个印刷体符号机智客在输入法中根本就找不到。何止是这一个，机器学习中太多奇奇怪怪的符号，我们都不好打字。
还是谈最基础的函数的定义以及知识。y=f(x)。x∈A，y∈B。这里就又引出一个数学符号：∈，也就是前面的属于后面的。好理解。这个符号用输入法也不难打。和对数，自然对数这些中学数学基本概念符号一样，输入汉字就有备选的数学符号㏒和㏑出现。
我们从基本的函数概念中，学到极限∽的符号。那么我们就接着聊下，从简单的基本函数延伸到机器学习的基本数学公式，都会用到哪几个数学符号。而这个最基本的最简单的数学知识，也会涉及到微分积分和线性代数多种知识的结合穿插。
比如微积分中的函数导数（就不说什么增量∆啦极限∞啦什么的），比如线性代数中的向量矩阵（就不说二阶三阶N阶行列式了）。瞧，哪个不是我们日常学习编程技术过程中最常见的数学概念和符号。比如∫积分，DL公式中常见。比如矩阵计算，相加∑符号，矩阵张量常用。很多符号都不是常用字符，键盘无法直接打出来，需要在输入法的数学符号里面找。
而一说矩阵，搞机器学习或深度学习的太知道了。换一个延伸出来的说法就是张量Tensor。神经网络深度学习就是用可微的特点来求梯度。找到最小损失，从而完成训练可以实施推理。所以一个比较基础的机器学习的数学公式就长这样，y=φ(∑w*x+b)。
当然数学公式并没有按照AI中的数学公式书写。这里的∑符号上面有个n，下面有个i=1，而w和b都有下标i，这些就涉及到了我们介绍过的几个特别的数学符号。当然机智客这里言短意长，不展开了说，包括不了常见所有的数学符号，不过不管如何，数学符号，特别是高等数学和机器学习深度学习相关的，都是希腊字母，数学符号，显得奇奇怪怪的，诸如∏∅∂δεξηθ这些数学符号以后都会在深度学习算法公式中用到。打字都不好打，需要到输入法的特殊符号里找，是不是看着就让人头大？的确，刚开始容易死脑细胞，学多了，就懂一些了。
