張量（tensor）：
輸入網(wǎng)絡(luò)數(shù)據(jù)的存儲對象
張量是數(shù)字容器桥温，其維度（dimension）稱為軸（axis）
1引矩、一個數(shù)字的張量叫標(biāo)量（scalar、標(biāo)量張量策治、零維張量脓魏、0D張量）。ndim可以看軸的個數(shù)（階 rank）通惫。
2茂翔、向量（1D張量、一維張量）履腋。注意：5D向量和5D張量不要弄混珊燎。
3、矩陣（2D張量遵湖、二維張量）
4悔政、3D張量與更高維張量
深度學(xué)習(xí)一般除了0D到4D的張量，但處理視頻數(shù)據(jù)時可能會用到5D張量延旧。
張量3個屬性
- 軸的個數(shù)（階）谋国；
- 形狀。整數(shù)元組迁沫，表示每個軸上的維度（元素個數(shù)）芦瘾；
- 數(shù)據(jù)類型捌蚊。
在Numpy中操作張量
選擇張量特定元素叫張量切片（tensor slicing）
數(shù)據(jù)批量的概念
深度學(xué)習(xí)中所有數(shù)據(jù)張量的第一個軸（0軸）稱為樣本軸（samples axis，或稱為樣本維度）近弟。
對于批量張量（MNIST）缅糟，第一個軸（0軸）叫批量軸（batch axis）或批量維度（batch dimension）。
現(xiàn)實(shí)世界中的數(shù)據(jù)張量
需要處理的數(shù)據(jù)總是下列類別之一：
- 向量數(shù)據(jù)：2D 張量祷愉，形狀為 (samples, features)窗宦。如：人口統(tǒng)計(jì)數(shù)據(jù)；
- 時間序列數(shù)據(jù)或序列數(shù)據(jù)： 3D 張量二鳄，形狀為 (samples, timesteps, features)赴涵。如：股票價格數(shù)據(jù)集；
- 圖像： 4D 張量泥从，形狀為 (samples, height, width, channels) 或 (samples, channels,height, width)句占。通道即為顏色深度軸；
- 視頻： 5D 張量躯嫉，形狀為 (samples, frames, height, width, channels) 或 (samples,frames, channels, height, width)纱烘。
張量運(yùn)算：
層的組成要素
梯度下降：
讓網(wǎng)絡(luò)從訓(xùn)練樣本中進(jìn)行學(xué)習(xí)
