笔记 | 什么是张量（tensor）& 深度学习
Tensor，中文叫张量，是深度学习的一个基础，不然TensorFlow也不会叫Tensor和Flow了。关于张量的讨论，网上已经有很多了，但是能不能简简单单让我理解和记住呢？因此我来总结一下在深度学习中「什么是张量」
提示：本文为初学笔记，仅为提供相关的讨论，谢谢。
在深度学习里，Tensor实际上就是一个多维数组（multidimensional array）。
而Tensor的目的是能够创造更高维度的矩阵、向量。
从知乎的相关讨论中截图几张说明的图：什么是张量 (tensor)？
现在将三维的张量用一个正方体来表示：
这样子可以进一步生成更高维的张量：
这有啥用呢？在用TensorFlow处理更高维数据结构的时候，最好可以能够在脑子里相出数据的形状。
举个简单的例子，彩色图像文件（RGB）一般都会处理成3-d tensor，每个2d array中的element表示一个像素，R代表Red，G代表Green，B代表Blue：
而用Python举例子的话，来看看下面这个表格：
再来看看Tensor对象的3个属性：
- rank：number of dimensions
- shape: number of rows and columns
- type: data type of tensor's elements
根据上面的张量说明图，是不是可以将属性和对象对应起来呢？
最后总结一下：在深度学习中，Tensor实际上就是一个多维数组（multidimensional array），其目的是能够创造更高维度的矩阵、向量。我们通过图示和Python的实例能够想象Tensor的空间构造以及如何用Tensor的属性来构造Tensor。
以上严谨吗？不，以上只是帮你理解什么是Tensor，如果要更深度了解Tensor的几何意义，可以看这个两个视频：
Tensors for Beginners 0: Tensor Definition
Tensors for Beginners 0https://www.zhihu.com/video/1043979324336197632Tensors for Beginners 1: Forward and Backward Transformations (contains error; read description!)
Tensors for Beginners 1https://www.zhihu.com/video/1043980329467564032神经网络的应用门槛已经很低，使用Python和第三方库可以做很多事，比如办公自动化、爬虫数据采集、数据分析，机器学习人工智能，大家可以选一些自己感兴趣的方向去深研，也可以到知乎旗下的职业教育品牌「知学堂」app 中有看一下关于这些方向的免费教学视频，感兴趣的可以看一下：
相关资料：
[1]深度学习TensorFlow基础（一）: tensor and operation
