关于小悟志网站地图归档友情链接联系Feed

云上小悟 + 

首页 » 7788 »

张量(tensor)是什么?

7788
2017年10月4日 / 51次阅读
标签:老男孩学数学

张量(tensor)在深度学习中是一个很重要的概念,因为它是一个深度学习框架中的一个核心组件,后续的所有运算和优化算法几乎都是基于张量进行的。Google的开源AI框架,取名就叫tensorflow。理解张量,我们先从最简单的标量开始。

 

标量(scalar)

一个标量就是一个单独的数,一般用小写的的变量名称表示。

我们可以把标量看成零维数组。

向量(vector)

又叫矢量,既有大小,又有方向。

我们可以把向量看成一维数组。

矩阵(matrix)

矩阵就是一个二维数组。

拆开来看,矩阵是一组行向量,或一组列向量的组合,向量里每个元素右是标量的组合。

 

张量(tensor)

简单理解张量,就是向量和矩阵的扩展。

通俗一点理解的话,我们可以将标量视为零阶张量,向量视为一阶张量,那么矩阵就是二阶张量。

三阶张量就是一个三维数组,比如用一个三维数组表示图片,第一维是长度,第二维是宽度,第三维是颜色。我们还可以增加一个维度,比如编号,这样就成了思维数组,就可以说是一个四阶张量。

网上看到有人这样来解释张量:

向量(vector)是一维的,矩阵(matrix)是二维的,张量(tensor)就是这些概念的泛化(一般化),用rank来表示。

rank = 0,就是标量;

rank = 1, 就是向量;

rank = 2, 就是矩阵;

rank > 2时,就没有特别的名字了,统一用rank N tensor来表示。

 

简单理解张量,它就是一个大于等于3维的数组。

本文链接:http://www.maixj.net/misc/tensor-16661
云上小悟 麦新杰(QQ:1093023102)

相关文章

评论是美德

无力满足评论实名制,评论对非实名注册用户关闭,有事QQ:1093023102.


前一篇:
后一篇:

栏目精选


©Copyright 麦新杰 Since 2014 云上小悟独立博客版权所有 备案号:苏ICP备14045477号-1

网站二维码
拍拍贷
go to top