谈谈我对张量（tensor）的理解

一、个人的理解

        假设标量（scalar）是一个特殊的张量；张量是张量的有序组合。定义张量为t，那么可以得到以下的理解：

        如果我们用树（tree）型数据结构（data structure）描述张量，那么树上的节点就是张量。而树的根节点为t，树的内部节点为张量，树的叶子节点为标量。

        （备注：内部节点就是非叶子节点）

二、思考

        现在我们从张量的shape来思考。假设张量t的shape为(m, n, r)，那么张量t的根节点为t本身，用于描述张量t的树的高度为3。当dim=0时，树高为0的节点（根节点）是m个张量的有序组合；当dim=1时，在树高为1的节点是n个张量的有序组合；当dim=2时，树高为2的节点是r个张量的有序组合，此时这r个张量都是标量，它们均为树的叶子节点。注意这里的节点就是张量，张量就是节点，不做区分。

        如下图所示，shape=(3, 1, 4)的张量t的可视化。

三、推广

        当张量的shape=(m, n, r, s,...)时，依然可以通过树的结构来对张量进行可视化描述。通过这样的可视化描述，你能够一层一层地看到张量实际上的样子，而每一个dim究竟是什么意思，shape中的每一个数又有着什么样的含义。

四、结束语

        以上均是个人的理解。主要是由于网上看了一些其他人写的理解，觉得把张量讲得太复杂，尤其是画格子的那些，一层一层的嵌套，我人都懵了，看完了还是不能够明白什么是dim、shape的意思是什么，什么一维、二维、三维，甚至是四维五维，三维还好，但是四维五维是真的难想象！

        我的灵感主要是源于算法与数据结构对于数据的描述。讲真的，其实我感觉张量的本质是一个向量。因为你看上图的那些叶子节点，是不是排起来像一个向量？

        如果博客中有何冒犯，或者有何不对的地方，敬请留言，欢迎交流与批评指正！感谢你能够看到这里。