神经网络学习记录（张量）

神经网络知识点记录

张量

定义： 张量（Tensor）是一个定义在一些向量空间和一些对偶空间的笛卡尔积上的多重线性映射，其坐标是|n|维空间内，有|n|个分量的一种量， 其中每个分量都是坐标的函数， 而在坐标变换时，这些分量也依照某些规则作线性变换。r 称为该张量的秩或阶（与矩阵的秩和阶均无关系）。
通俗理解： 张量实际上是不同维度数组的总称，如：0阶张量表示的是一个标量，1阶张量表示的是一个向量，2阶张量表示的是一个矩阵等。

• 标量（Scalar）：标量是一个独立存在的数，比如在线性代数中一个实数 5 就可以被看作一个标量，所以标量的运算相对简单，与我们平常做的数字算术运算类似。
• 向量（Vector）：向量指一列按顺序排列的元素，我们通常习惯用括号将这一列元素括起来，其中的每个元素都由一个索引值来唯一地确定其在向量中的位置。如$[x1,x2,x3...]$
• 矩阵（Matrix）：矩阵就是一个二维数组结构，我们会用括号将其中的全部元素括起来。向量的索引值是一维的，而矩阵的索引值是二维的，所以在确定矩阵中每个元素的位置时需要两个数字。