什么是张量？
张量（Tensor）是深度学习和机器学习中一个非常基础且重要的概念。在数学上，张量可以被看作是向量和矩阵的泛化。简单来说，张量是一种多维数组，它可以表现标量（0维）、向量（1维）、矩阵（2维）以及更高维度的数据结构。
张量的基本概念
- 标量（Scalar, 0D Tensor）：只有一个数值，没有方向。
- 向量（Vector, 1D Tensor）：一维数组，可以表现一系列数值。
- 比方：[1, 2, 3] 或 [0.1, 0.2, 0.3, 0.4]
- 矩阵（Matrix, 2D Tensor）：二维数组，可以表现行和列组成的表格。
- 比方：[[1, 2, 3],
[4, 5, 6]]
高维张量（Higher-Dimensional Tensors）：三维或更高维度的数组。
- 比方，三维张量可以表现为[[[1, 2, 3],
[4, 5, 6]],
[[7, 8, 9],
[10, 11, 12]]]
- 这个三维张量可以看作是由两个二维矩阵组成的。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
