深度学习 张量
Tensor,中文叫张量,是深度学习的一个基础,不然TensorFlow也不会叫Tensor和Flow了
在深度学习里,Tensor实际上就是一个多维数组(multidimensional array)。
而Tensor的目的是能够创造更高维度的矩阵、向量。
从相关讨论中截图几张说明的图:什么是张量 (tensor)?
现在将三维的张量用一个正方体来表示
这样子可以进一步生成更高维的张量:
这有啥用呢?在用TensorFlow处理更高维数据结构的时候,最好可以能够在脑子里相出数据的形状。
举个简单的例子,彩色图像文件(RGB)一般都会处理成3-d tensor,每个2d array中的element表示一个像素,R代表Red,G代表Green,B代表Blue:
而用Python举例子的话,来看看下面这个表格:
再来看看Tensor对象的3个属性:
rank:number of dimensions
shape: number of rows and columns
type: data type of tensor’s elements
根据上面的张量说明图,是不是可以将属性和对象对应起来呢?
最后总结一下:在深度学习中,Tensor实际上就是一个多维数组(multidimensional array),其目的是能够创造更高维度的矩阵、向量。我们通过图示和Python的实例能够想象Tensor的空间构造以及如何用Tensor的属性来构造Tensor。