本文主要是介绍【PyTorch】标量、向量、张量的直观理解,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
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。
这篇关于【PyTorch】标量、向量、张量的直观理解的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!