Keras学习之tensor张量

本文参考Keras中文官方网站：http://keras-cn.readthedocs.io/en/latest/other/regularizers/

         tensor(张量)指的是指广泛的数据类型，它是$n$维的（$n$是自然数）。最简单的张量是单个的数字，例如数字$6$就是$0$维张量；向量$[1,2,3,4,5,6]$是一维张量；矩阵即二维张量；继续向下写就是$3$维张量、$4$维张量….高维的张量我们无法用公式表示。
         张量也称为轴（axis），对于矩阵$[[1,2][3,4]]$我们有如下的计算：

import numpy as np

a = np.array([[1,2],[3,4]])
sum0 = np.sum(a, axis=0)
sum1 = np.sum(a, axis=1)

print (sum0)
print (sum1)

         输出的结果为：[4,6]
                                     [3,7]
         在计算的时候，当$axis=0$的时候是矩阵的列向量相加，当$axis=1$的时候是矩阵的行向量相加。