tensorflow的张量(tensor)的理解
来源:互联网 发布:网络信息科技经营范围 编辑:程序博客网 时间:2024/05/21 08:03
以下内容转载至:http://blog.csdn.net/pandamax/article/details/63684633
自己通过网上查询的有关张量的解释,稍作整理。
TensorFlow用张量这种数据结构来表示所有的数据.你可以把一个张量想象成一个n维的数组或列表.一个张量有一个静态类型和动态类型的维数.张量可以在图中的节点之间流通.
阶
在TensorFlow系统中,张量的维数来被描述为阶.但是张量的阶和矩阵的阶并不是同一个概念.张量的阶(有时是关于如顺序或度数或者是n维)是张量维数的一个数量描述.比如,下面的张量(使用Python中list定义的)就是2阶.
t = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
你可以认为一个二阶张量就是我们平常所说的矩阵,一阶张量可以认为是一个向量.对于一个二阶张量你可以用语句t[i, j]来访问其中的任何元素.而对于三阶张量你可以用't[i, j, k]'来访问其中的任何元素.
s = 483
1向量(大小和方向)v = [1.1, 2.2, 3.3]
2矩阵(数据表)m = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
33阶张量 (数据立体)t = [[[2], [4], [6]], [[8], [10], [12]], [[14], [16], [18]]]
nn阶 (自己想想看)....
张量是所有深度学习框架中最核心的组件,因为后续的所有运算和优化算法都是基于张量进行的。几何代数中定义的张量是基于向量和矩阵的推广,通俗一点理解的话,我们可以将标量视为零阶张量,矢量视为一阶张量,那么矩阵就是二阶张量。
举例来说,我们可以将任意一张RGB彩色图片表示成一个三阶张量(三个维度分别是图片的高度、宽度和色彩数据)。如下图所示是一张普通的水果图片,按照RGB三原色表示,其可以拆分为三张红色、绿色和蓝色的灰度图片,如果将这种表示方法用张量的形式写出来,就是图中最下方的那张表格。
图中只显示了前5行、320列的数据,每个方格代表一个像素点,其中的数据[1.0, 1.0, 1.0]即为颜色。假设用[1.0, 0, 0]表示红色,[0, 1.0, 0]表示绿色,[0, 0, 1.0]表示蓝色,那么如图所示,前面5行的数据则全是白色。
将这一定义进行扩展,我们也可以用四阶张量表示一个包含多张图片的数据集,其中的四个维度分别是:图片在数据集中的编号,图片高度、宽度,以及色彩数据。
- tensorflow的张量(tensor)的理解
- 张量(tensor)的理解
- 3、TensorFlow 的数据模型-----张量(Tensor)
- 张量(tensor)的基本概念
- tensorflow中张量的理解
- tensorflow之如何打印tensor张量的值
- 如何在tensorflow中判断tensor(张量)的值
- tensorflow中tensor的理解
- 对Tensorflow中tensor的理解
- 张量的模展开矩阵(Tensor Unfoldings)
- 张量(tensor)文献
- 张量分解 (Tensor)
- tensorflow+入门笔记︱基本张量tensor理解与tensorflow运行结构
- #####tensorflow+入门笔记︱基本张量tensor理解与tensorflow运行结构 ***********######
- tensorflow+入门笔记︱基本张量tensor理解与tensorflow运行结构
- tensorflow+入门笔记︱基本张量tensor理解与tensorflow运行结构
- tensorflow+入门笔记︱基本张量tensor理解与tensorflow运行结构
- tensorflow+入门笔记︱基本张量tensor理解与tensorflow运行结构
- 同一台机器上安装多个版本的JDK,并自由切换
- 装饰器模式
- HTML meta viewport属性说明(mark)
- 【STL 合并 逆序】
- Trapping Rain Water II
- tensorflow的张量(tensor)的理解
- javaee中乱码的解决
- Java使用List<Map<K,V>>写复杂接口
- 从协议中dump一个文件接口
- 编译ijkplayer-android源码
- webpack热更新原理
- 在一个idea工作环境中导入多个maven项目模块
- qt 之解析 XML(QXmlStreamReader)
- C#学习之Task.ContinueWith(连续的任务)的使用