在深度学习中,张量(tensor)的维数就是张量的阶数。
0维的tensor就是标量,就是一个单独的数;
1维的tensor就是向量,就是一列数,其中的每一个元素被一个索引所确定;
2维的tensor就是矩阵,其中的每一个元素被两个索引而非一个所确定;
大于等于3维的tensor没有名称,统一叫做tensor。
注意:区别数学中的说法和机器学习中的说法。
数学中向量的维数表示向量中分量的个数。比如[1,3]是个2维向量。
但在机器学习中[1,3]是个1维的向量(vector)。
深度学习中的标量、向量、矩阵和张量的区别
于 2022-07-07 21:57:43 首次发布