Tensorflow中的張量是什么意思？張量流的張量來源于數(shù)學(xué)中的張量概念。（柯西應(yīng)力張量，圖片來源：維基百科）。但以上都不重要。-_ -!計(jì)算。?。ㄎ也聇ensorflow不是arrayflow，因

Tensorflow中的張量是什么意思？

張量流的張量來源于數(shù)學(xué)中的張量概念。

（柯西應(yīng)力張量，圖片來源：維基百科）。

但以上都不重要。-_ -!

計(jì)算。

?。ㄎ也聇ensorflow不是arrayflow，因?yàn)樗犉饋砗芨?。?/p>

讓我們舉幾個(gè)例子：

為什么說矩陣是二階的張量，那么三階的張量？

在三維空間中，二階張量有九個(gè)分量，可以表示為一個(gè)有序的9元數(shù)組或一個(gè)3×3階矩陣。也就是說，一個(gè)二階張量可以表示為一個(gè)矩陣

哈哈，你是大一新生，剛剛學(xué)了一些語言。甚至不是初學(xué)者。毫不夸張地說，學(xué)習(xí)電腦就是拼數(shù)學(xué)。光靠學(xué)幾門語言你什么都做不了。特別是在編程實(shí)現(xiàn)某些函數(shù)時(shí)，如果數(shù)學(xué)學(xué)得不好，就不能設(shè)計(jì)出合適的算法。數(shù)學(xué)建模非常重要。我勸你不要想當(dāng)然。讓我們來看看傅立葉變換，這是最常見的一個(gè)高數(shù)字。利用傅立葉變換設(shè)計(jì)低通濾波器是圖像處理中最常用的基本功能之一。

同樣，機(jī)器語言本身是一個(gè)二進(jìn)制矩陣。圖像的本質(zhì)也是由像素組成的矩陣。然后你就會(huì)知道線性代數(shù)的重要性。然后對(duì)各種圖像、信號(hào)進(jìn)行放大和縮小，需要用到各種插值，那么你會(huì)后悔離散數(shù)學(xué)沒學(xué)過。當(dāng)你學(xué)習(xí)信息論和通信原理時(shí)，你會(huì)后悔沒有理解復(fù)變函數(shù)和概率。。。。。

即使是大二專業(yè)基礎(chǔ)課使用的數(shù)據(jù)結(jié)構(gòu)，堆棧、列、排序、二叉樹、哈希圖、遞歸等。。。。都是數(shù)學(xué)模型。。。

如果你真的想學(xué)好編程，你必須徹底地學(xué)習(xí)數(shù)學(xué)。至于編程語言，這完全是語法結(jié)構(gòu)的問題。是一樣的。編程側(cè)重于算法。至于用什么語言，是膚淺和膚淺的。就像寫一本書，一部經(jīng)典，把它翻譯成任何語言。如廁讀物，如果你用八種語言寫的話，也是如廁讀物。