数组与张量的区别

张量是神经网络计算的基础,不同于普通的数组,它可以轻松进行卷积、激活等操作,并且能在GPU上加速计算。0维到多维数组在神经网络中分别对应变量、向量、矩阵和高维数组,PyTorch中的tensor是实现这些操作的关键数据类型。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

数组与张量

概念

​ 张量是数学概念,数组是计算机的概念。数组是张量在计算机中的实现

含义

​ 0维叫变量或0维数组,1维叫向量或1维数组,2维叫矩阵或2维数组,3维及以上叫张量或多维数组。

应用

​ 张量是就是神经网络里的数组,叫它张量而不是数组是因为它有自己的特质,它是神经网络计算的基本单元,tensor可以轻易地进行卷积,激活,上下采样,微分求导等操作,而numpy数组就不行,普通的数组要先转化为tensor格式才行
tensor类型可在GPU上进行加速计算,numpy不可在GPU上加速计算
tensor是pytorch中自带的数据类型

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值