【DL--03】深度学习基本概念—张量
来源:互联网 发布:软件过程成熟度cmm 编辑:程序博客网 时间:2024/06/06 20:08
张量
张量,或tensor,是本文档会经常出现的一个词汇,在此稍作解释。
使用这个词汇的目的是为了表述统一,张量可以看作是向量、矩阵的自然推广,我们用张量来表示广泛的数据类型。
规模最小的张量是0阶张量,即标量,也就是一个数。
当我们把一些数有序的排列起来,就形成了1阶张量,也就是一个向量
如果我们继续把一组向量有序的排列起来,就形成了2阶张量,也就是一个矩阵
把矩阵摞起来,就是3阶张量,我们可以称为一个立方体,具有3个颜色通道的彩色图片就是一个这样的立方体
把立方体摞起来,好吧这次我们真的没有给它起别名了,就叫4阶张量了,不要去试图想像4阶张量是什么样子,它就是个数学上的概念。
张量的阶数有时候也称为维度,或者轴,轴这个词翻译自英文axis。譬如一个矩阵[[1,2],[3,4]],是一个2阶张量,有两个维度或轴,沿着第0个轴(为了与python的计数方式一致,本文档维度和轴从0算起)你看到的是[1,2],[3,4]两个向量,沿着第1个轴你看到的是[1,3],[2,4]两个向量。
要理解“沿着某个轴”是什么意思,不妨试着运行一下下面的代码:
import numpy as np
a = np.array([[1,2],[3,4]])
sum0 = np.sum(a, axis=0)
sum1 = np.sum(a, axis=1)
print a
print sum0
print sum1
关于张量,目前知道这么多就足够了。事实上我也就知道这么多
阅读全文
0 0
- 【DL--03】深度学习基本概念—张量
- 【DL--04】深度学习基本概念—data_format
- 【DL--06】深度学习基本概念—batch
- 【DL--07】深度学习基本概念—epochs
- 【DL--05】深度学习基本概念—函数式模型
- 【DL--02】深度学习基本概念--符号计算
- 向量,矩阵,张量----基本概念
- 【DL--01】深度学习 揭开DL的神秘面纱
- 深度学习基本概念
- 深度学习基本概念
- 1.1 深度学习 基本概念
- 深度学习基本概念
- 深度学习入门---基本概念
- 深度学习基本概念、思想
- 深度学习CNN-基本概念
- 【DL--16】深度学习架构清单
- 【DL--21】深度学习57个专业术语
- 深度学习(DL)平台的HPC
- Java克隆(Clone)的应用
- python机器学习(2:KNN算法)
- 直通BAT--数据结构与算法六(二分搜索)
- 四种常见的 POST 提交数据方式
- STL学习笔记6— —容器forward_list
- 【DL--03】深度学习基本概念—张量
- android
- 值类型和引用类型
- Myeclipse2013下安装Axis2插件
- PAT甲级 1028
- 【F2C】elasitcsearch/ELK学习随笔——X-PACK身份验证
- 考研英语笔记——时文长难句二
- 使用jquery提交form表单-submit方法总结
- 安装apache 教程