我正在关注张量流CNN教程，并提出了一个问题：编程是什么？张量＆＃39;和Tensorflow中的多维矩阵以及一般情况。
我试着自己研究张量是什么，我发现的是： 它可以是n阶，其中每个元素都包含n维信息。 例如。如果我们有一个张量A和一个坐标为（3,2,5,4）的数据点，那么我们讨论的是一个带有一个元素的4-D张量A.这是对的吗？
我发现的其他articales说张量与数组相同，不同的是张量元素可以变换。我再也看不到张量和普通多维数组之间的差异。我们总是可以在数组上应用函数并转换元素。
您能否尝试澄清定义/属性和差异？
答案 0 :(得分：4)
本演示文稿的幻灯片7可以很好地显示各种张量。
我一开始也想知道同样的事情。答案很平常。
A＆＃34;张量＆＃34;是赋予N维值集的通用词。我们有低阶张量的数学名称：标量，向量，矩阵。
在张量流中，张量的等级是它的维数。以下是一些例子：
---------------------------------------------------------------
| Rank of | Math | Example |
| tensor | entity | |
---------------------------------------------------------------
| 0 | Scalar | x = 42 |
| 1 | Vector | z = [10, 15 20] |
| 2 | Matrix | a = [[1 0 2 3], |
| | | [2 1 0 4], |
| | | [0 2 1 1]] |
| 3 | 3-Tensor | A single image of shape: |
| | | [height, width, color_channels] |
| | | ex: [1080, 1920, 3] |
| 4 | 4-Tensor | A batch of images with shape: |
| | | [batch_size, height, width, channels] |
| | | ex: [10, 1080, 1920, 3] |
| N | n-dim | You get the idea... |
| | Tensor | |
---------------------------------------------------------------