Tensor 数组、列向量、行向量

学习神经网络的时候经常被一个概念混淆，今天终于算是进一步理解。记录一下。

无论是在python里的numpy，还是各种框架里的tensor，
数组就是一个数组而已，不等同于行向量或者列向量。

但是它有转化成行/列向量的潜质（通过特定函数如unsqueeze增加维度）。

举个例子

import torch

x1 = torch.Tensor([1, 2, 3, 4, 5])
x2 = torch.unsqueeze(x1, dim=1)

# 打印x1,x2的size
print(x1.size())	# torch.Size([5])
print(x2.size())	# torch.Size([5, 1])

需要理解， (5) != (5, 1) != (1, 5)

---

补充

用numpy补充说明：

import numpy as np

A = np.array([1, 2, 3])
B = np.array([[1, 2, 3]])
C = np.array([[1], [2], [3]])

print(A) # [1 2 3]
print(A.shape) # (3,)
print(B) # [[1 2 3]]
print(B.shape) # (1, 3)
print(C)
# [[1]
#  [2]
#  [3]]
print(C.shape) # (3, 1)

特别注意⚠️

• [1, 2, 3] != [[1, 2, 3]]
  前者是数组/序列，后者是1X3的矩阵/向量。