5. Tensors Explained - Data Structures Of Deep Learning
张量（Tensor）是神经网络使用的主要数据结构，你的网络中的输入输出和转换都使用张量来表示。
Tensor的概念是对其他更具体概念的数学概括。
上面那一行，数字，数组和二维数组都是计算机科学中常用的术语，而第二组中标量、向量和矩阵是数学中常用的术语。并且上下是对应的。
每一组的关系都与访问特定元素所需要的索引数有关
数字和标量需要0个索引，因为你只需要考虑实际的数字或者标量值，你不需要一个索引
数组和向量需要一个索引 ，二维数组或者矩阵则需要两个索引来确定一个数
例如对于一个数组来说，我们只需要一个索引就可以确定一个数
而对于二维数组来说，我们需要两个索引才能确定一个数
当超过两个索引需要确定一个元素的时候，我们就不用什么数组表示了，我们通常用一个统一的语言来称呼
用Tensor（张量）或者n维数组，这两个是一个东西，那我们需要n个索引来确定一个数。
所以说Tensor可以代表0-n维数组，也就是说所有的东西都可以称为tensor
标量是0维Tensor，向量是1维Tensor，矩阵是2维Tensor，n维数组是n维Tensor
Tensor是一个泛化的原因是因为我们用张量这个词来代表所有的n值，并且张量的维度和我们说的空间向量中的维度不同，张量的维度没有告诉我们张量有多少个分量
377
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
