1 關於張量的四種定義
“張量”在不同的運用場景下有不同的定義。
第一個定義，張量是多維數組，這個定義常見於各種人工智能軟件。聽起來還好理解。--本文僅解釋此種
2 多維數組
從第一個定義：張量是多維數組開始。
現在機器學習很火，知名開源框架tensor-flow是這么定義tensor（張量）的：
A tensor is a generalization of vectors and matrices to potentially higher dimensions
也就是說，張量（tensor）是多維數組，目的是把向量、矩陣推向更高的維度。
更具體點，也即是說：
把三維張量畫成一個立方體：
我們就可以進一步畫出更高維的張量：
從數據結構上來看，張量就是多維數組。
這個定義本身沒有錯，但是沒有真正反映張量的核心，但在機器學習中這樣理解足夠了
針對此理解，可參考：TensorFlow 基本使用 https://blog.csdn.net/goodshot/article/details/79677844
python 中 np.sum()函數 通俗易懂理解！（在tf中，sum跟np.num()使用axis方式相同了）
https://blog.csdn.net/goodshot/article/details/79506812