欢迎来到张量世界！(tensor introduction)
张量作为现代深度学习的核心数学工具，理解其本质能帮助你更好掌握神经网络原理。让我们从基础开始探索吧！
什么是张量？🤔
张量是描述多维数据的数学对象，可视为：
- 标量（0维）：单个数值 ❗️如温度值
- 向量（1维）：一维数组 📊如图像像素列
- 矩阵（2维）：二维数组 🧩如图像二维切片
- N维数组：扩展形式 📐如3D视频数据
张量的维度与形状📦
| 维度 | 数据结构 | 示例 |
|---|---|---|
| 0维 | 标量 | 5.0 |
| 1维 | 向量 | [1,2,3] |
| 2维 | 矩阵 | [[1,2],[3,4]] |
| 3维 | 三维张量 | [[[1,2],[3,4]], [5,6],[7,8]] |
📌 提示：张量的形状（shape）定义了各维度的大小，如
shape=(2,3,4)表示2x3x4的三维数组
应用场景💡
- 机器学习：权重参数存储
- 计算机视觉：图像数据处理
- 自然语言处理：词向量表示
- 物理模拟：应力应变分析