gram矩陣實際上是各個向量（feature）之間的偏心協方差矩陣，即沒有減去均值的協方差。
在cnn style transfer**中，gram矩陣用來產生style picture和generated picture間的誤差函式：
這裡gram是 :
在feature map中，每個數字都是特定卷積核在特定位置做卷積得到的，這個數字代表了某一特徵的強度。
gram矩陣計算的是某一選定的卷積層中各個chanel向量的偏心協方差矩陣。
各個chanel是用不同卷積核抽取的不同特徵。
所以gram計算的實際上是兩兩特徵之間的相關性大小，哪兩個特徵是同時出現的，哪兩個是此消彼長的等等，同時，gram的對角線元素，還體現了每個特徵在影象**現的量，因此，gram有助於把握整個影象的大體風格。
至於為什麼不用協方差矩陣計算損失函式，協方差矩陣是規範化了的相關性值，並不能體現某一特徵出現的大小（量），只能體現各個特徵之間的相關性，從而無法全面的體現影象的風格。
gram矩陣的性質 矩陣分析（九）Gram矩陣
歐氏空間 v 是 mathbb 上的線性空間，定義對映 sigma v times v to mathbb 對於 alpha,beta in v 將 sigma alpha,beta 記為 left 若 sigma 滿足 對稱性 left left 右 齊次性 left k left 右 可加性 l...
Gram矩陣的意義
鏈結1 鏈結2 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 在feature map中，每乙個數字都來自於乙個特定濾波器在特定位置的卷積，因此每個數字就代表乙個特徵的強度，而gram計算的實際上是兩兩特徵之間的相關性，哪兩個特徵是同時出現的，哪...
筆記 感知機模型Gram矩陣的理解
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 在feature map中，每乙個數字都來自於乙個特定濾波器在特定位置的卷積，因此每個數字就代表乙個特徵的強度，而gram計算的實際上是兩兩特徵之間的相關性，哪兩個特徵是同時出現的，哪兩個是此消彼長的...