张量(tensor)是什么?
tensorflow对张量(Tensor)是这样定义的:
张量是对矢量和矩阵向潜在的更高维度的泛化。TensorFlow 在内部将张量表示为基本数据类型的 n 维数组。
显然,tensorflow将张量定义为多维数组。它可以表示任意维度的数组,维度用rank(阶)表示。它在深度学习中存在的意义是创造更高维度的矩阵、向量。
借用知乎【马同学】的图片,我们可以形象的认识张量
把3阶张量画为一个立方体
我们就可以进一步地画出更高维的张量
0阶张量——点
1阶张量——线
2阶张量——面
3阶张量——体
再把3阶张量当成一个点,则可以进一步描绘出4阶张量——线,依此类推。
张量有什么用?
举个简单的例子,一个彩色图像文件(RGB)一般会被处理为3阶tensor,每个二维数组中的元素为一个像素,每个像素包含