超级会员免费看
本文详细介绍了张量的概念，它是数据结构的基础，尤其在深度学习中扮演重要角色。张量可以是标量、向量、矩阵或更高维度的数据表示。在Python中，张量可以通过NumPy和PyTorch进行操作，包括初始化、索引、切片、运算和转换。此外，张量与NumPy数组之间可以无缝转换，共享内存，使得数据处理更加便捷。张量的运算涵盖加法、乘法、转置等，对于处理图像、视频、时间序列等不同类型数据集尤为关键。
一、什么是张量tensor?
张量是一种特殊的数据结构，与数组和矩阵非常相似。类似于Numpy 的ndarray。 在 PyTorch 中，我们使用张量对模型的输入和输出以及模型的参数进行编码。 张量都可以通过Numpy来定义、操作，通常存储在Nunpy数组，所以这就需要我们把数据转换为Numpy数组，目的就是把所有的输入数据转变为一个统一的标准，以便能够容易的处理。
张量是根据一共具有多少坐标轴来定义。比如可以把二维张量看作为一个带有行和列的数字网格。这个行和列表示两个坐标轴，一个矩阵就是二维张量，矩阵的每一行或每一列，都可以视为一维张量（向量）。如果把一系列的二维张量存储在列表中，这就形成了三维张量。你也可以把三维张量视为一个有长宽高立方体，张量能够被转换和操作，使列变为行或者行变为列。
维度是指在一个数据轴上的许多点，也就是样本的个数或者特征的个数。
张量的每一个数据轴，统称为阶。因此说一阶（1D）向量，二阶向量，三阶向量，而不是说维。
0D张量/标量 标量是一个数字
1D张量/向量 称为“向量”。只有一个坐标轴。 可以把向量视为一个单列的数字。
2D张量 2维张量称为矩阵，也就是有两个坐标轴的张量。
3D张量 公用数据存储在张量 字符串文本，视频， 彩色图片(RGB)，三维张量有三个坐标轴
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
