深度学习张量的秩、轴和形状

深度学习张量的秩、轴和形状

秩、轴和形状是在深度学习中我们最关心的张量属性。

• 秩
• 轴
• 形状

秩、轴和形状是在深度学习中开始使用张量时我们最关心的三个属性。这些概念相互建立，从秩开始，然后是轴，最后构建到形状，所以请注意这三个概念之间的关系。

​​

秩、轴和形状都与我们在前一篇文章中讨论的索引概念密切相关。如果你还没有看过那篇文章，我强烈建议你去查看。让我们从基础开始，介绍张量的秩。

张量的秩

张量的 秩 指的是张量内部存在的维度数量。假设我们被告知有一个秩为 2 的张量。这意味着以下所有情况：

• 我们有一个矩阵
• 我们有一个二维数组
• 我们有一个二维张量

我们在这里引入 秩 这个词，因为它在深度学习中常用来指代给定张量内部存在的维度数量。这是不同研究领域使用不同词汇来指代同一概念的另一个例子。不要让它迷惑你！

秩和索引

张量的秩告诉我们需要多少个索引来访问（引用）张量数据结构中包含的特定数据元素。

张量的秩告诉我们需要多少个索引来引用张量中的特定元素。

让我们通过查看张量的轴来进一步理解秩的概念。

张量的轴

如果我们有一个张量，我们想要引用特定的 维度，我们在深度学习中使用 轴 这个词。

张量的轴是张量的特定维度。

如果我们说一个张