下载掌阅APP，畅读海量书库
立即打开
在讨论机器学习时，我们经常会听到“张量”这一术语。谷歌著名的机器学习平台TensorFlow就是以此命名的。在本节中，我们将介绍张量的概念。
数组视图：数字的多维数组
张量可以被视为一种广义的 n 维数组，但严格意义上来讲，并非所有多维数组都是张量。当我们研究多维线性变换时，将进一步了解到多维数组和张量之间的区别。目前，不必太过担心这种区别，我们可以简单地认为：向量是1阶张量，矩阵是2阶张量，而标量则是0阶张量。
在2.3节中，我们了解到数字图像能够用二维数组（矩阵）来表示。对于一幅彩色图像，其中每个像素都由R（红色）、G（绿色）、B（蓝色）三种颜色表示，这是一个多维数组或张量的例子。这是因为它可以被看作三幅图像的组合，分别是R图、G图和B图。
在神经网络中，每一层的输入和输出也都用张量来表示。