Python + 深度学习从 0 到 1（03 / 99）

希望对你有帮助呀！！💜💜 如有更好理解的思路，欢迎大家留言补充 ~ 一起加油叭 💦
欢迎关注、订阅专栏 【深度学习从 0 到 1】谢谢你的支持！

⭐ 神经网络的数据表示 – 张量

你可能对矩阵很熟悉，它是二维张量。张量是矩阵向任意维度的推广［注意，张量的维度（dimension）通常叫作轴（axis）］

• 用 .ndim 查看维度

1. 标量（0D张量）💜 .ndim == 0

import torch
scalar = torch.tensor(7)

2. 向量（1D张量）💜 .ndim == 1

import torch
vector = torch.tensor([7,7])

3. 矩阵（2D张量）💜 .ndim == 2

import torch
MATRIX = torch.tensor([[7, 7], 
                       [7, 7]])

---

⭐ 关键属性 – ndim & shape & dtype

import torch
MATRIX = torch.tensor([[7, 7], 
                       [7, 7]])

print(MATRIX.ndim)   # 轴的个数（阶）：2
print(MATRIX.shape)  # 形状：torch.Size([2, 2])
print(MATRIX.dtype)  # 数据类型：torch.int64  

---

参考书籍：Python 深度学习