写在前面
强烈建议优先看http://web.stanford.edu/class/cs224n/readings/gradient-notes.pdf
看完后可以不看本博客，尽管我试图简化和条理化，博客内容仍然显得繁杂。
博客内容概况：矩阵求导后，存在不同的布局方式，导致了不同的求导运算。而神经网络计算中，要求矩阵求导后的形状和分子(也被称作自变量或变元)一致，以便于梯度下降操作。本博客试图厘清不同布局方式下矩阵求导的形状，以及对应的求导规则。
正文
公式markdown还不会用，直接传图了，源文件在图下面
预定义符号
正文内容
源文件：
需要用office365打开 https://github.com/GinSoda/Storage_Public/blob/master/Matrix%20differential.docx?raw=true
参考目录：
http://web.stanford.edu/class/cs224n/readings/gradient-notes.pdf
https://zhuanlan.zhihu.com/p/32368246
《矩阵分析与应用 第二版》张贤达
《Matrix Differential Calculus with Applications in Statistics and Econometrics 3rd Edition》
https://en.wikipedia.org/wiki/Matrix_calculus
