初识神经网络——张量

109 阅读 0 评论 72 点赞

我是靠谱客的博主现实皮卡丘，这篇文章主要介绍初识神经网络——张量，现在分享给大家，希望可以做个参考。

神经网络的数据表示为张量，张量是一个数据容器，其包括几个关键属性：轴的个数（阶）、形状以及数据类型。

其中，0阶张量仅包含一个数字，有0个轴，也叫标量；1阶张量是数字组成的数组，有1个轴，也叫向量；2阶张量是向量组成的数组，有2个轴（通常叫做行和列）也叫矩阵，以此类推到3阶张量甚至更高阶张量。

形状为张量沿每个轴的维度大小

数据类型为张量中包含数据的类型。

在现实世界应用时，主要有以下几种数据张量：

向量数据：2D张量，形状为（sample，features）

时间序列数据或序列数据：3D张量，形状为（sample，timesteps，features）

图像：4D张量，形状为（sample，height，width，channels）或（samples，channels，height，width）

视频：5D张量，形状为（samples，frames，height，width，channels）或（samples，frames，channels，height，width）

每个数据被编码为数据张量，数据集也由此而来。

以上就是现实皮卡丘最近收集整理的关于初识神经网络——张量的全部内容，更多相关初识神经网络——张量内容请搜索靠谱客的其他文章。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。