Tensorflow張量

張量常規解釋

張量（tensor）理論是數學的一個分支學科，在力學中有重要應用。張量這一術語起源於力學，它最初是用來表示彈性介質中各點應力狀態的，後來張量理論發展成爲力學和物理學的一個有力的數學工具。張量之因此重要，在於它能夠知足一切物理定律必須與座標系的選擇無關的特性。張量概念是矢量概念的推廣，矢量是一階張量。張量是一個可用來表示在一些矢量、標量和其餘張量之間的線性關係的多線性函數。

 

Tensorflow中張量的概念

在tensorflow程序中全部的數據都經過張量的形式來表示。

從功能的角度看，張量能夠被理解爲多維數組。其中零階張量表示標量（scalar）也就是一個數；一階張量爲向量，也就是一維數組；n階張量能夠理解爲一個n維數組。

但張量的實現並非直接採用數組的形式，它只是對TensorFlow中運算結果的引用。在張量中並無保存數字，它保存的是如何獲得這些數字的計算過程。

張量的維數來被描述爲階.可是張量的階和矩陣的階並非同一個概念.張量的階（有時是關於如順序或度數或者是n維）是張量維數的一個數量描述.好比，下面的張量（使用Python中list定義的）就是2階.

    t = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

你能夠認爲一個二階張量就是咱們日常所說的矩陣，一階張量能夠認爲是一個向量.對於一個二階張量你能夠用語句t[i, j]來訪問其中的任何元素.而對於三階張量你能夠用't[i, j, k]'來訪問其中的任何元素.

 

階	數學實例	Python 例子
0	純量 (只有大小)	s = 483
1	向量(大小和方向)	v = [1.1, 2.2, 3.3]
2	矩陣(數據表)	m = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
3	3階張量 (數據立體)	t = [[[2], [4], [6]], [[8], [10], [12]], [[14], [16], [18]]]
n	n階 (本身想一想看)	....