神经网络输入数据向量的理解
输入数据是转换成ID,对应过去类似onehot
训练的是网络的参数
张量,低纬度在x,y,z三个方向上移动,既可以构成高维,点变线,线变面,面变体
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/32aa3377d29cc87469ef7f46b5da4cb7.png)
不同维度的张量(Tensor)分别表示不同的数据,0维张量表示标量,1维张量表示向量,2维张量表示矩阵,3维张量可以表示彩色图像的RGB三通道等等。
张量是MindSpore网络运算中的基本数据结构。张量中的数据类型可参考dtype。
张量是Parameter(权重和偏置)的载体,Feature Map的载体;
张量可与numpy.ndarray无缝转换。