为深度学习引入张量

为深度学习引入张量

什么是张量？

神经网络中的输入、输出和转换都是使用张量表示的，因此，神经网络编程大量使用张量。

张量是神经网络使用的主要数据结构。

张量的概念是其他更具体概念的数学概括。让我们看看一些张量的具体实例。

张量的具体实例

这些示例都是更一般的张量概念的具体实例：

• 数字
• 标量
• 数组
• 向量
• 二维数组
• 矩阵

让我们将上述张量实例列表组织成两组：

• 数字、数组、二维数组
• 标量、向量、矩阵

第一组的三个术语（数字、数组、二维数组）通常是计算机科学中使用的术语，而第二组（标量、向量、矩阵）通常是数学中使用的术语。

我们经常看到这种情况，不同研究领域对同一概念使用不同的词汇。在深度学习中，我们通常只是将所有这些称为张量。

让我们进一步研究这些术语。每组中的术语在我们从左到右移动时相互对应。为了展示这种对应关系，我们可以重新排列我们的术语列表，得到三组每组两个术语：

• 数字、标量
• 数组、向量
• 二维数组、矩阵

访问元素所需的索引

每对中的关系是，两个元素都需要相同数量的索引来引用数据结构中的特定元素。

访问元素所需的索引	计算机科学	数学
0	数字	标量
1