【深度學習】張量
阿新 • • 發佈：2019-01-04
張量是一個數據容器，包含的資料是數值資料。矩陣是二維張量，而張量則是矩陣向任意維度的推廣。張量的維度（dimension）通常叫作軸（axis）。
標量
只有一個數字的張量叫作標量，也叫0維張量。我們可以通過ndim來檢視張量的維度，或者說軸的個數。
向量
一維張量，只有一個軸。
x = np.array([1,2,3,4,5])
x.ndim # 1
這裡需要區分一個概念是：5維向量和5維張量的區別。
向量有多少個元素就叫多少維向量，但是張量的維度只看軸數。每個軸的維度是任意的。
矩陣
2D張量，這是由向量組成的陣列。矩陣有兩個軸，常常稱之為行和列。第一個軸的元素叫作行，第二個軸的元素叫作列。
這裡需要記住一個案例：
x = np.array([[0.1, 0.8, 0.1], [0.3, 0.1, 0.6], [0.2, 0.5, 0.3], [0.8, 0.1, 0.1]])
y = np.argmax(x, axis=1) # array([1, 2, 1, 0])
import numpy as np
x = np.array([[0.1, 0.8, 0.1], [0.3, 0.1, 0.6], [0.2, 0.5, 0.3], [0.8, 0.1, 0.1]])
y = np.argmax(x, axis=0) # array([3, 0, 1])
對於程式碼裡用到的東西，靈活運用這個案例是更好的選擇，如果按照第二個軸來選擇，則是選出每行的最值，按照第一個軸來選，選出的是每列的最值。
在矩陣中，我們可以拋開中括號這種束縛，直接從一塊資料中按照行和列來看即可。
3D張量以及更高維張量
多個矩陣組合在一起可以變成3D張量，再將多個3D張量組合成一個數組，可以建立一個4D張量，等等。
在深度學習中，一般是0D到4D的張量，處理視訊資料會遇到5D張量。
END.
參考：
《Deep Learning with Python》