张量是线性代数中的一种高级概念，它在机器学习和深度学习中扮演着至关重要的角色。本文将为您解析张量的基本概念和应用。
张量简介
张量是一种多维数组，可以看作是矩阵的推广。在Python中，我们可以使用NumPy库来创建和操作张量。
创建张量
import numpy as np
tensor = np.array([[1, 2], [3, 4]])
张量的维度
张量有多个维度，称为秩（rank）。例如，上面的张量是一个2秩张量。
张量的形状
张量的形状表示其各个维度的长度。上面的张量形状为(2, 2)。
张量的操作
张量加法
张量加法要求两个张量的形状相同。
tensor1 = np.array([[1, 2], [3, 4]])
tensor2 = np.array([[5, 6], [7, 8]])
result = tensor1 + tensor2
张量乘法
张量乘法有几种类型，包括外积、内积和矩阵乘法。
tensor1 = np.array([[1, 2], [3, 4]])
tensor2 = np.array([[5, 6], [7, 8]])
result = np.dot(tensor1, tensor2)
张量在机器学习中的应用
张量在机器学习中有着广泛的应用，例如：
- 卷积神经网络 (CNN)：用于图像识别。
- 循环神经网络 (RNN)：用于自然语言处理。
Tensor Example