神经网络中的基本概念

tensor（张量） 的概念是 G.Ricci 在19世纪末提出的. G.Ricci 研究张量的目的是为几何性质和物理规律的表达寻求一种在坐标变换下不变的形式. 他所考虑的张量是如同向量的分量那样的数组, 要求它们在坐标变换下服从某种线性变换的规律. 近代的理论已经把张量叙述成向量空间及其对偶空间上的多重线性函数, 但是用分量表示张量仍有它的重要性, 尤其是涉及张量的计算时更是如此.

（白话）在物理学中，用张量语言描述的物理定律保证了不随参考系变化的这一性质；
在数学中，张量已经被抽象成了线性变换，如矩阵相似变换 W’ = GWG^-1.

张量的维度（秩）：Rank/Order
Rank为0、1、2时分别称为标量（点）、向量（线）和矩阵（面，2D），Rank为3时是3阶张量(3D-Array)，Rank大于3时是N阶张量(N维-Array)。这些标量、向量、矩阵和张量里每一个元素被称为tensor element（张量的元素），且同一个张量里元素的类型是保持一样的。

[CNN] 卷积、反卷积、池化、反池化
这篇文章讲的通俗易懂，推荐看一下。
场外链接：https://blog.csdn.net/quiet_girl/article/details/84579038