1. 从标量到矢量：携带更丰富的信息 矢，是箭的意思，突出的特点是其指向性。
袋子里有几个球？ 3 个，magnitude（幅度，没有单位）；从这到你家多远？3 km（denominate），3 称为 scalars，标量，或叫纯量；从这如何到达你的家里？步行 3km，显然是不够的，除了距离（distance）或者幅值（magnitude）外，还需要方向。具有了方向的距离，就是 vectors。
转载
2016-11-06 10:14:00
151阅读
2评论
1. 从标量到矢量：携带更丰富的信息 矢，是箭的意思，突出的特点是其指向性。
袋子里有几个球？ 3 个，magnitude（幅度，没有单位）；从这到你家多远？3 km（denominate），3 称为 scalars，标量，或叫纯量；从这如何到达你的家里？步行 3km，显然是不够的，除了距离（distance）或者幅值（magnitude）外，还需要方向。具有了方向的距离，就是 vectors。
转载
2016-11-06 10:14:00
143阅读
2评论
Tensor是Tensorflow中最基础的数据结构，常常翻译为张量，可以理解为n维数组或矩阵，相关函数：constant(value, dtype=None, shape=None, name='Const', verify_shape=False)三维方向定义，适用于2维和3维0、零维张量import tensorflow as tf#零维张量const0 = ...
原创
2021-08-13 09:36:51
455阅读
Tensor是Tensorflow中最基础的数据结构，常常翻译为张量，可以理解为n维数组或矩阵，相关函数：constant(value, dtype=None, shape=None, name='Const', verify_shape=False) 0、零维张量import tensorflow as tf#零...
原创
2021-08-13 09:37:59
68阅读
TensorFlow字面意思——张量的流动，即保持计算节点
原创
2022-06-17 09:56:55
434阅读
最通俗的语言解释什么是张量，最近有混乱和不理解的可以详细看一下，耐心看就行。emmmm我今天遇到了个问题把我一下子乱了所以再回忆一下基础。一、一维张量 从一维开始：tf.constant([1.0 , 3.0 , 6.0])表示：生成一个一维张量（向量），shape是1行3列即shape是[3]。为什么不是[1,3]呢？因为这个张量是一维的，只有一个维度，你可以把维度和shape理解为一个key:
原创
2022-11-24 11:56:26
90阅读
力面，三个方向的受力面（x，y，z）分析受力，平面上受力又分为三个（x，y，z）
原创
2023-03-08 01:11:07
97阅读
Tensor(张量)的Rank(阶)、Shape（形状）、Type（数据类型）TensorFlow用张量这种数据结构来表示所有的数据.你可以把一个张量想象成一个n维的数组或列表.一个张量有一个静态类型和动态类型的维数.张量可以在图中的节点之间流通.Rank(阶)在TensorFlow系统中，张量的维数来被描述为阶.但是张量的阶和矩阵的阶并不是同一个概念.张量的阶（有时是关于如顺序或度数或者是n维）
转载
2023-11-09 16:43:07
70阅读
在数学里，张量（Tensor）是一种“几何实体”，拥有“不依赖于参照系选择”的满足一切物理定律必须与基选择无关的特性，也就是说同一个张量用不同的基来表示是完全不同的（某种意义上）。e.g.二维欧式空间中的点是几何的，但是要用x、y两个坐标系（基）来表示，那二阶张量便与矩阵（代数）对应起来，同理三维欧式空间中的点也是如此。百度百科中张量的定义 张量是在一些向量空间和一些对偶空间的笛卡儿积上的多重线性
转载
2023-12-04 18:54:33
87阅读
刚接触 AI 和 PyTorch，理解 “张量 (Tensor)” 是入门关键。
简单来说，可将 PyTorch 中的张量 (Tensor) 理解为 Java 中的多维数组，但它比普通的 Java 数组强大得多，尤其在 AI 和深度学习领域。
1 张量（Tensor） VS Java 数组/列表
Java 数组 (Array) / 列表 (List): Java常用数组和列表来存储数据，
一. 概念：张量、算子 张量（tensor）理论是数学的一个分支学科，在力学中有重要应用。张量这一术语起源于力学，它最初是用来表示弹性介质中各点应力状态的，后来张量理论发展成为力学和物理学的一个有力的数学工具。张量之所以重要，在于它可以满足一切物理定律必须与坐标系的选择无关的特性。张量概念是矢量概念的推广，矢量是一阶
转载
2024-07-04 17:52:56
210阅读
文章目录BasicsAbout shapesIndexingSingle-axis indexingMulti-axis indexingManipulating ShapesMore on dtypesReferences import tensorflow as tf
import numpy as npBasics张量是具有统一类型（dtype）的多维数组。它和 NumPy 中的 np.a
转载
2024-01-17 06:40:19
69阅读
一、张量tensor张量的三个特征：秩、轴、形状张量的秩是指索引的个数，轴是指每一个维度的最大的索引的值，张量的形状提供了维度和索引的数量关系。经常需要对张量进行重塑t.reshape(1,9)利用上述函数可以将张量按任意想要的形状进行重塑下面我们考虑具体的情况，将张量带入CNN的输入中这里的张量的秩为4，即[B,C,H,W]，其中后两个维度作为每一个像素的长和宽的索引，第三个维度作为RBG或者灰
转载
2023-10-26 11:26:48
108阅读
python中的张量可以理解为矩阵吗
在计算机科学特别是机器学习和深度学习的领域，张量（Tensor）与矩阵（Matrix）这两个术语常常被拿来一起讨论。首先要明白，在数学上，张量是一个更高维度的数组，而矩阵则是二维的张量。因此，我们可以将张量视为一个包含多维数据结构的矩阵的扩展。我将整个过程整理成一系列的备份策略、恢复流程、灾难场景、工具链集成、验证方法与监控告警。
## 备份策略
我们首
前言PyTorch 于 2016 年首次推出。在 PyTorch 之前，深度学习框架通常专注于速度或可用性，但不能同时关注两者。PyTorch将这两者相结合，提供了一种命令式和 Python编程风格，支持将代码作为模型，使调试变得容易，支持 GPU 等硬件加速器。PyTorch 是一个 Python 库，它通过自动微分和 GPU 加速执行动态张量计算。它的大部分核心都是用 C++ 编写的，这也是
转载
2023-09-27 22:27:49
298阅读
张量对象张量（Tensor）是一种特殊结构，出于并行计算的需要设计，可在GPU等硬件加速器上运行。类似于数组和矩阵，用于对模型的输入输出，模型参数进行编码。 Pytorch中的Tensor类似于Numpy中的ndarray，二者可相互转换，且共享底层内存，可理解为同一数据引用的不同表现形式。修改其中之一会同时修改另一方。张量初始化可由现有数据对象创建张量，或根据维度创建：data = [[1, 2
转载
2023-08-21 09:16:40
162阅读
Dan Fleisch的这段视频堪称经典，用极简单的语言与道具，为我们展示了——曾帮助爱因斯坦证明相对论，又帮助Ｇoogle使Tensorflow流行天下的张量到底是什么。视频有点长，12分钟，但弄懂一个伟大的方法，还是值得的。张量是一种表示物理量的方式，这个方式就是用基向量与分量组合表示物理量（Combinationof basis vector and component）。 由于基向量
转载
2024-01-17 18:36:05
64阅读
PyTorch框架学习三——张量操作一、拼接1.torch.cat()2.torch.stack()二、切分1.torch.chunk()2.torch.split()三、索引1.torch.index_select()2.torch.masked_select()四、变换1.torch.reshape()2.torch.transpace()3.torch.t()4.torch.squeeze
转载
2024-06-24 21:00:13
110阅读
首先比较一下Python列表（list）、Numpy数组（ndarray）、Tensorflow张量（Tensor）之间的区别：
>> Python列表：
元素可以使用不同的数据类型，可以嵌套
在内存中不是连续存放的，是一个动态的指针数组
读写效率低，占用内存空间大
不适合做数值计算
转载
2023-09-03 10:30:21
118阅读
TensorFlow基本概念之张量张量:Tensor1.打印hello world2.张量支持的数据类型3.创建张量4.计算张量5.稀疏张量 SparseTensor 张量:Tensor在TensorFlow中，张量是数据流图上的数据载体，tensorflow中的tensor就是张量的意思，使用张量统一表示所有数据。张量可以看做是0阶标量，1阶向量和2阶矩阵在高维空间的推广。 张量与常见数据实体
转载
2024-06-16 20:39:42
85阅读
