1，首先比較二者的參數部分：這就是處理0階張量和1階張量的區別 np.max：(a, axis=None, out=None, keepdims=False) 求序列的最值 最少接收一個參數 axis：默認為列向（也即 axis ...

張量的操作主要包括張量的結構操作和張量的數學運算。 張量結構操作諸如：張量創建，索引切片，維度變換，合並分割。 張量數學運算主要有：標量運算，向量運算，矩陣運算。另外我們會介紹張量運算的廣播機制。 本篇我們介紹張量的數學運算。 一，標量運算 張量的數學運算符可以分為標量運算符、向量運算 ...

對於對數運算，Tensorflow中之提供了e為底數的對數運算tf.math.log(x)，如果想要自定義底數，可以利用換底公式 張量運算的廣播機制：如果一個高維張量和低維張量相乘，則會將低維張量廣播到高維張量上。例如一個2維張量 ...

標量：只有大小，沒有方向 向量：有大小，有方向 在選定了x,y,z坐標軸之后，我們可以用(7,5,6)表示圖中的向量。 那么，什么是張量那？ 我們用物理中的一個概念引入張量的概念。 假設我們有一個空心的立方體，立方體中充滿着氣體，我們通過Force=Stress*Area 可以求得立方體 ...

如果一個張量有很多為0的值，那么這個張量被稱為稀疏張量。 讓我們來看這樣的一個一維的稀疏張量 同一個張量的稀疏表示只關注非零值 同時我們也必須通過索引記住非零值出現的位置。 有了值和索引，然而信息還不夠充分，該張量有多少個零？因此我們要記住該張量 ...

結論：1.張量與數組運算，張量必須在cpu上，產生結果為cpu上的張量，可繼續與數組運算(張量必須在gpu上) 　　　2.張量與張量運算，cpu上的張量與gpu上的張量是無法運行的，必須在相同的gpu上或cpu上，猜想不同型號的gpu因該也不行。 一.張量與數組運算，前提張量 ...

在TensorFlow中所有的數據都通過張量的形式表示，從功能上看張量可以被簡單的理解為多維數據，其中零階張量表示標量（一個數），第一階張量為向量（一個一維數組），第n階向量可以理解為一個n維數組。 但是TensorFlow中實現並不是直接采用數組的形式，它只是對TensorFlow中運算 ...

目錄 張量的概念 創建張量 張量的數據類型 NumPy數據轉換 固定張量 全0張量 全1張量 元素值相同的張量 隨機數張量 正態分布 ...