什么是张量？

张量是线性代数中的一个概念，可以将其视为向量和矩阵的推广。在数学中，张量可以表示各种物理量或几何对象。在机器学习和深度学习中，张量通常用来表示多维数组。

例如，我们可以考虑一个三维张量，它可以用作表示颜色图像的数据结构。假设我们有一个10x10像素的RGB彩色图像，每个像素有三个值（红色、绿色和蓝色）来描述其颜色。我们可以将这个图像表示为一个3D张量，其中第一个维度表示行，第二个维度表示列，第三个维度表示颜色通道。因此，该张量的形状将是(10, 10, 3)。

在Python的NumPy库中，可以使用numpy.ndarray类型创建张量。例如，以下代码将创建一个形状为(2, 3, 4)的随机张量：

import numpy as np

tensor = np.random.rand(2, 3, 4)
print(tensor)


'''
rand()函数生成一个指定大小的矩阵，其中的元素是从0到1的均匀分布的随机实数。
rand(2, 3, 4)将生成一个2x3x4的三维数组，
即一个具有两个平面，每个平面上有3行和4列的三维矩阵。每个元素都是一个介于0（包括）和1（不包括）之间的随机数。
2个平面，每个平面是3行四列
[[[0.06276974 0.55212114 0.12330849 0.24809402]
  [0.12674516 0.53800848 0.52886509 0.23710336]
  [0.82770024 0.16821005 0.43180466 0.3416829 ]]

 [[0.95509533 0.17477486 0.30032656 0.93487045]
  [0.93049019 0.77390633 0.60334051 0.00177066]
  [0.46976573 0.64703733 0.3413552  0.79535989]]]

'''

这将输出一个形状为(2, 3, 4)的张量，其中包含随机生成的浮点数。