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，它可以表示标量（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。

  • 例如：5 或 3.14

• 向量（Vector, 1D Tensor）：一维数组，可以表示一系列数值。

  • 例如：[1, 2, 3] 或 [0.1, 0.2, 0.3, 0.4]

• 矩阵（Matrix, 2D Tensor）：二维数组，可以表示行和列组成的表格。

  • 例如：[[1, 2, 3],
               [4, 5, 6]]

高维张量（Higher-Dimensional Tensors）：三维或更高维度的数组。

• 例如，三维张量可以表示为[[[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。