深度学习中的标量、向量、矩阵和张量的区别

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）。