張量是乙個資料容器，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
只有乙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，只有乙個軸。
x = np.array([1
,2,3
,4,5
])x.ndim # 1
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。第乙個軸的元素叫作行，第二個軸的元素叫作列。
這裡需要記住乙個案例：
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])
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張量組合成乙個陣列，可以建立乙個4d張量，等等。
end.
參考：《deep learning with python》
深度學習 tensorflow張量運算
為什麼我們單獨講解乙個tensorflow的張量 矩陣 運算了？因為神經網路原理其實就是矩陣的運算。如圖所示，我們有三個神經元，兩個輸出。其實背後的計算不過是 所以，學會矩陣運算，是實現神經網路的第一步。相乘矩陣的相乘我們使用tf.matmul方法。x tf.variable 1.1.1.w tf....
深度學習中的張量
前面例子使用的資料儲存在多維 numpy 陣列中，也叫張量 tensor 一般來說，當前所有機器學習系統都使用張量作為基本資料結構。張量對這個領域非常重要，重要到 google 的tensorflow 都以它來命名。張量這一概念的核心在於，它是乙個資料容器。它包含的資料幾乎總是數值資料，因此它是數字...
深度學習準備（1） 張量
中文 張量 英文 tensor 數學上，把一維陣列叫向量 帶有方向的數量，線性代數有這個概念 把二維陣列叫矩陣 像矩形的乙個形狀，古代把一群士兵組成的方陣，叫陣 由於，矩形這個詞語被占用了，就發明了這個詞兒 三維，三維以上陣列，就叫張量，也叫做多維陣列 張量計算，就是多維陣列計算 另外，一般化之後的...