Тензоры - это основная структура данных, используемая в глубоком обучении, входы и выходы - все в нейронной сети представлено с помощью тензоров.
Так что же такое тензор?
В Книге глубокого обучения говорится следующее.
"In the general case, an array of numbers arranged on a regular grid with a variable number of axes is known as a tensor."
Тензор - это многомерный массив, т.е. nd-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 тензора
Форма тензора представляет длину каждого измерения.
x = [ [2,1,6], [2,8,7], [9,9,1] ]
Для вышеуказанного тензора форма (3,3), так как он имеет 2 измерения и длину 3.
Ранг тензора
Ранг тензора - это 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!