【PyTorch】标量、向量、张量的直观理解

标量

标量就是一个数字。标量也称为0维数组。

比如5套房子中的“5”就是标量;

向量

向量是一组标量组成的列表。向量也称为1维数组。

比如房子的价格是受多种因素(是否为学区房、附近有无地铁、房子面积、房间数量、楼层等)来影响,那么我们将这多种因素来表示为房子的特征,这一组特征值就可以用向量表示。

矩阵

矩阵是由一组向量组成的集合。矩阵也称为2维数组。

在刚才的例子中,一套房子的特征可以用一个向量来表示。那么我们要建m套房子的数据集,那么就是m个向量的组合,也即是得到一个m行n列的矩阵。(n为一套房子的向量的长度)。

张量

张量是矩阵的推广,可以用来描述N维数据。其实在计算机领域内,大家叫法都不那么严格,一个矩阵,你可以叫它矩阵,也可以叫它二阶张量,也可以叫它二维数组。大家都能理解是什么意思。

张量在图像领域用的是很普遍的。比如一张彩色图像,有宽度和高度,同时又有R,G,B三个通道。所以一张彩色图像就是三阶张量。

再高一阶的四阶张量,可以理解为一个批次的彩色图像。因为在做图像识别过程中,我们训练和推理过程中可以一次推理N张图像,这个N称为批次。即是 批次 * 通道 * 宽度 *高度 的四阶张量。

猜你喜欢

转载自blog.csdn.net/u010414589/article/details/115216784
今日推荐