网站开发到上线的流程,关键词排名优化佛山售后,网站关键词优化wang,杭州知名网页设计服务商1、标量#xff08;Scalar#xff09;
纯数字#xff0c;无方向性、无维度概念。因此也叫 标量张量、零维张量、0D张量
例如#xff0c;x18#xff0c;x21.34
x1、x2即为标量
2、张量#xff08;tensor#xff09;
具有方向性#xff0c;可以理解为一个多维数组Scalar
纯数字无方向性、无维度概念。因此也叫 标量张量、零维张量、0D张量
例如x18x21.34
x1、x2即为标量
2、张量tensor
具有方向性可以理解为一个多维数组它是标量、向量、矩阵的高维扩展属于一个数据容器。理论上张量是向量概念上的推广可以理解为其在多个维度的扩展。
通常张量的维度被称作轴(axis)张量轴的个数也叫做阶(rank)
*张量由三个概念定义
轴的个数阶形状shape为一个整数元组表示张量沿每个轴的维度大小元素个数。数据类型dtype这是整个张量中数据元素的数据类型张量的类型可以是 float32 、 uint8 、 float64 等。
3、向量vector
概念上为又代表方向又代表大小的一组数几何意义上对应一个点在坐标系上相对于原点的箭头指向。python形式上可以表现为数字组成的数组。向量又被称作一维张量1D张量。向量只有一个轴
例如xnp.array([1,2,3,4])
x为一个向量
但是注意上述x为4D向量但不是4D张量因为向量只有一个轴只是在轴上有4个元素组成了4个维度
4、矩阵
矩阵属于二阶张量在形式上可以表现为二维数组。
例如xnp.array([[5, 78, 2, 34, 0], [6, 79, 3, 35, 1], [7, 80, 4, 36, 2]])
x属于矩阵 而三阶张量相当于有3个轴即由多个矩阵合成的一个新数组例如
np.array([[[5, 78, 2, 34, 0], [6, 79, 3, 35, 1], [7, 80, 4, 36, 2]], [[5, 78, 2, 34, 0], [6, 79, 3, 35, 1], [7, 80, 4, 36, 2]], [[5, 78, 2, 34, 0], [6, 79, 3, 35, 1], [7, 80, 4, 36, 2]]])
