1.标量(Scalar)
只有大小没有方向,可用实数表示的一个量
2.向量(Vector)
可以表示大小和方向的量
3.矩阵(Matrix)
m行n列,矩阵中的元素可以是数字也可以是符号,在深度学习中一般是二维数组
4.张量(Tensor)
用来表示一些向量、标量和其他张量之间的线性关系的多线性函数,这些线性关系可以是内积、外积、线性映射、或者笛卡尔积。张量通常是大于2维的数字表。
5.Representation
只有大小没有方向,可用实数表示的一个量
可以表示大小和方向的量
m行n列,矩阵中的元素可以是数字也可以是符号,在深度学习中一般是二维数组
用来表示一些向量、标量和其他张量之间的线性关系的多线性函数,这些线性关系可以是内积、外积、线性映射、或者笛卡尔积。张量通常是大于2维的数字表。
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/43879.html
如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!