深度学习 张量

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:
现在将三维的张量用一个正方体来表示

在这里插入图片描述
这样子可以进一步生成更高维的张量:

在这里插入图片描述
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:

在这里插入图片描述
而用Python举例子的话,来看看下面这个表格:

在这里插入图片描述
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。

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值