- 从代数角度将，矩阵是向量的推广。向量可以看成一维的“表格”（即分量按照顺序排成一排），矩阵可以看成二维的“表格”（分量按照纵横位置排列），n阶张量可以看成n维的“表格”。张量的严格定义是利用线性映射来描述的。
- 从几何角度讲：矩阵是一个真正的几何量。也就是说，它是一个不随参照系坐标变换而变化的量。向量也具有这种特性。
- 某些条件下，张量可以用矩阵来表达。
- 表示标量的数和表示向量的三维数组也可以分别称作1x1 、1x3的矩阵。
《深度学习500问》张量和矩阵的区别
2023-07-26
133
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
《深度学习500问》张量和矩阵的区别
目录
相关文章
|
2月前
|
机器学习/深度学习
PyTorch
算法框架/工具
|
18天前
|
机器学习/深度学习
人工智能
自然语言处理
算法金 | 一文看懂人工智能、机器学习、深度学习是什么、有什么区别！
**摘要：**
了解AI、ML和DL的旅程。AI是模拟人类智能的科学，ML是其分支，让机器从数据中学习。DL是ML的深化，利用多层神经网络处理复杂数据。AI应用广泛，包括医疗诊断、金融服务、自动驾驶等。ML助力个性化推荐和疾病预测。DL推动计算机视觉和自然语言处理的进步。从基础到实践，这些技术正改变我们的生活。想要深入学习，可参考《人工智能：一种现代的方法》和《深度学习》。一起探索智能的乐趣！
44
1
1
|
15天前
|
机器学习/深度学习
自然语言处理
算法
|
21天前
|
机器学习/深度学习
PyTorch
算法框架/工具
【从零开始学习深度学习】16. Pytorch中神经网络模型的构造方法：Module、Sequential、ModuleList、ModuleDict的区别
【从零开始学习深度学习】16. Pytorch中神经网络模型的构造方法：Module、Sequential、ModuleList、ModuleDict的区别
23
1
1
|
2月前
|
机器学习/深度学习
PyTorch
TensorFlow
|
2月前
|
机器学习/深度学习
PyTorch
TensorFlow
|
2月前
|
机器学习/深度学习
人工智能
算法
|
2月前
|
机器学习/深度学习
人工智能
算法
机器学习和深度学习有啥区别？一看就懂
深度学习与机器学习是相关但不同的概念，深度学习是机器学习的一个分支。机器学习侧重于让计算机在无明确编程情况下学习，包括决策树、SVM等算法；而深度学习主要依赖深层神经网络，如CNN、RNN。机器学习对数据需求较小，广泛应用于各领域；深度学习则需要大量数据，擅长图像和语音处理。机器学习模型可简可繁，计算资源需求较低；深度学习模型复杂，常需GPU支持
29
0
0
|
2月前
|
机器学习/深度学习
存储
PyTorch
PyTorch深度学习基础：张量（Tensor）详解
【4月更文挑战第17天】本文详细介绍了PyTorch中的张量，它是构建和操作深度学习数据的核心。张量是多维数组，用于存储和变换数据。PyTorch支持CPU和GPU张量，后者能加速大规模数据处理。创建张量可通过`torch.zeros()`、`torch.rand()`或直接从Python列表转换。张量操作包括数学运算、切片和拼接。在深度学习中，张量用于神经网络模型的构建和训练。理解张量对于掌握PyTorch至关重要。
136
1
1
|
11月前
|
机器学习/深度学习
前端开发
PyTorch
![[深度学习实战]基于PyTorch的深度学习实战(中)[线性回归、numpy矩阵的保存、模型的保存和导入、卷积层、池化层]（二）](https://ucc.alicdn.com/pic/developer-ecology/u4n2puyxrj26a_230871bbe1ee46428c2311a4c06971d9.png?x-oss-process=image/resize,h_160,m_lfit)