张量表⽰由⼀个数值组成的数组,这个数组可能有多个维度。即n维数组。具有⼀个轴的张量对应数学上的向量(vector)。具有两个轴的张量对应数学上的矩阵(matrix)。
可以使用arange创建一个行向量x
可以通过张量的shape属性来访问张量的形状
张量中元素的总数
要改变一个张量的形状而不改变元素数量和元素值,可以调用reshape函数。可以把张量x从形状为(12,)的行向量转换为形状为(3,4)的矩阵。目标形状是(高度,宽度)可以用x.reshape(-1,4)或x.reshape(3,-1)来取代x.reshape(3,4)
注意,通过改变张量的形状,张量的大小不会改变。
使用全0、全1、其他常量或者从特定分布中随机采样的数字来初始化矩阵
可以创建一个形状为(2,3,4)的张量,其中所有元素都设置为0。代码如下:
创建一个形状为(2,3,4)的张量,其中所有元素都设置为1。代码如下:
读取元素:可以用[-1]选择最后一个元素,可以用[1:3]选择第二个和第三个元素
除读取外,我们还可以通过指定索引来将元素写入矩阵。
为多个元素赋值相同的值,我们只需要索引所有元素,然后为它们赋值。
[0:2, :]访问第1行和第2行,其中“:”代表沿轴1(列)的所有元素,即第1、2行所有元素。
深度学习存储和操作数据的主要接口是张量( 𝑛 维数组)。它提供了各种功能,包括基本数学运算、广播、索引、切片、内存节省和转换其他Python对象。