張量==容器
張量是現代機器學習的基礎，他的核心是一個容器，多數情況下，它包含數字，因此可以將它看成一個數字的水桶。
張量有很多中形式，首先讓我們來看最基本的形式。從0維到5維的形式
0維張量/標量：裝在水桶中的每個數字稱為“標量”。標量就是一個數字。
1維張量/標量：數組，一維張量，也被視為“向量",可以把向量視為一個單列或者單行的數字。
2維張量：矩陣。典型的例子就是郵件列表，比如我們有10000個人，每個人都有7個特征（名字，性別，城市等等），張量具有形狀，形狀是一個水桶，既裝着我們數據也定義了張量的最大尺寸。
我們就可以將數據放進二維張量，它是（10000，7），其中行列可以進行調整。
3維張量：這個時候張量才變的有用。我們需要將一系列二維張量存放在水桶中，就形成了3維張量
一個三維張量有三個坐標軸，可以看到：x.ndim 輸出為3，我們再看郵件列表，現在我們有10個郵件列表，我們將存儲2維張量在另一個水桶中創建一個3維張量，
（number_of_mailings_lists,number_of_people,number_of_charactistics_per_person）(10,10000,7)
因此，3維張量就是一個數字構成 的立方體。
存儲在張量數據中的公式，在這里有一些存儲在各種張量 的公用數據集類型：
3維=時間序列
4維=圖像
5維=視頻
幾乎所有的張量的共同之處是樣本量，樣本量是集合中元素的數量。它可以是一些圖像，一些視頻，一些文件或者一些推特。
通常，真實的數據至少是一個數據量。
把形狀里不同維度看成字段，我們找到一個字段的最小值來描述數據。