Тензоры - это основная структура данных, используемая в глубоком обучении, входы и выходы - все в нейронной сети представлено с помощью тензоров. Они являются основными строительными блоками для нейронных сетей.
Так что же такое тензор?
В Книге глубокого обучения говорится следующее
«В общем случае массив чисел, расположенных на регулярной сетке с переменным числом осей, называется тензором».
Тензор - это многомерный массив, то есть n-мерный массив. Число - это нульмерный тензор, вектор - одномерный тензор, а n-мерный массив - n-мерный тензор. Тензор - это обобщение, тогда как число, вектор и т. Д. - это частные случаи Тензор.
Давайте посмотрим на некоторые термины, относящиеся к Tensor.
Форма
Форма тензора представляет длину каждого измерения.
x = [
[4,1,0],
[2,7,7],
[8,9,7]
]
Для вышеуказанного тензора форма (3,3), так как он имеет 2 измерения и длину 3.
Классифицировать
Ранг тензора - это в основном количество измерений этого тензора.
В приведенном выше примере рейтинг будет 2.
Тензор нулевого ранга - это скаляр, нульмерный тензор. Тензор первого ранга - это вектор, одномерный тензор.
Примечание
Ранг будет равен количеству индексов, необходимых для доступа к элементу в тензоре.
x = [
[2,3],
[4,1]
]
x[2][2] => 4
В приведенном выше примере ранг равен 2. Таким образом, для доступа к каждому элементу необходимы два индекса.
Итак, это все об основах тензора, надеюсь, вам понравилось. Если вы зашли так далеко и обнаружили какие-либо ошибки в любом из вышеперечисленных или можете придумать какие-либо способы сделать это более понятным для будущих читателей, не стесняйтесь оставлять комментарий.
Спасибо!
