通俗理解张量tensor(AI入门)

在深度学习的过程中，我们经常会遇见什么是张量这个名词。

那么什么是张量呢？他又用来做什么呢？

概念： 几何代数中定义的张量是基于向量和矩阵的推广，通俗一点来理解的话，而我们可以把标量视为零阶张量，矢量视为一阶张量，那么矩阵就是二阶张量。

定义：张量的严格定义是利用线性映射来描述的。与矢量相类似，定义由若干坐标系改变时满足一定坐标转化关系的有序数组成的集合为张量。 从几何角度讲， 它是一个真正的几何量，也就是说，它是一个不随参照系的坐标变换（其实就是基向量变化）而变化的东西。最后结果就是基向量与对应基向量上的分量的组合（也就是张量）保持不变，比如一阶张量（向量）a可表示为a = xi + yj。由于基向量可以有丰富的组合，张量可以表示非常丰富的物理量。

张量： 是有大小和多个方向的量。这里方向指的就是张量的阶数。

空间维度：一般我们使用3维空间，也可以是四维以上的维度

张量阶数m：在固定的3维空间在谈张量的阶数，阶数小于等于维数，即m<=n.

0维张量/标量  标量是一个数字

1维张量/向量   1维张量称为“向量”。

2维张量    2维张量称为矩阵

3维张量  公用数据存储在张量 时间序列数据 股价 文本数据 彩色图片(RGB)

详解讲解好文