张量
1.为什么要学习张量
这篇文章最主要的目的是帮助AIer们理解这些概念,因为本人在数学并不是很擅长,因此如果与数学中的概念有不同,请各位大神指正。
在刚开始学习机器学习的过程中很多人都会被两个概念难住,那就是张量(Tensor)和维度(dimension)。但是这两个概念又是贯穿整个机器学习的基石。(看TensorFlow的命名就知道啦~,整个机器学习的过程就是张量这种数据的流动和变动)那数学基础并不是很好的同学们到底应该怎么理解张量呢,好下面我们进入干货时间。
2.怎么快速理解张量
张量大家刚开始听起来可能是一个新的概念,但是其实从小学、初中开始我们就一直在接触不同的张量。下面举几个例子。
2.1简单理解
首先告诉大家向量就是一个1维张量,矩阵是一个二维张量。他们都是张量,只不过dimension不同。(包括单个数字也是一个张量,不过维度不定,对于初学者来说可以理解为一个0维向量吧)
由此可以看出这些我们常见的数学概念都是**张量(Tensor)**的子集。
来看看他们在代码中的表达方式。
{
"向量1"