图像的SVD分解

图中的内容大概包括：
1.假设A为一个m*n的矩阵，证明$A^TA$ATA的对称性和正定性，进而证明$A^TA$ATA为对称正定矩阵，才可保证对角阵D的$\lambda_i$λi​均为正数，才可以开根号。
2. SVD分解在神经网络中的应用，由200*100次变为(10*100 + 10*200)次，在实际工作中，性能影响不大（之后可继续finetune），但是参数量大大减少，有助于网络部署。
3. 在图像压缩中，最少可以将参数由m*n个减少到(m+n+1)个参数。