以下部分為CSDN博主「麥地與詩人」的原創(chuàng)文章，轉(zhuǎn)載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/YPP0229/article/details/94321792

內(nèi)容摘錄自張玉宏的《深度學(xué)習(xí)之美》，作為自己的學(xué)習(xí)筆記！
TensorFlow為什么要取這么一個名字呢？這自然也是有講究的 。

Tensor Flow的命名源于其運(yùn)行原理：

• “Tensor”的本意是“張量”，“張量”通常表示多維矩陣。在深度學(xué)習(xí)項目中，數(shù)據(jù)大多都高于二維，所以利用深度學(xué)習(xí)處理的數(shù)據(jù)的核心特征來命名，是有意義的。
• “Flow”的本意就是“流動”，它意味著基于數(shù)據(jù)流圖的計算。
• 合在一起，“TensorFlow”的意思就是，張量從數(shù)據(jù)流圖的一端流動到另一端的計算過程。它生動形象地描述了復(fù)雜數(shù)據(jù)結(jié)構(gòu)在人工神經(jīng)網(wǎng)絡(luò)中的流動、傳輸、分析和處理模式（參見圖 11-3 ）。

在機(jī)器學(xué)習(xí)巾，數(shù)值通常由4 種類型構(gòu)成：

• 標(biāo)量（ scalar )：是一個數(shù)值，它是計算的最小單元，如“1”或“3.2” 等。
• 向量 (vector ）：由一些標(biāo)量構(gòu)成的一維數(shù)組，如[1 , 3.2, 4.6］等。
• 矩陣（ matrix ）：由標(biāo)量構(gòu)成的二維數(shù)組。
• 張量（ tensor ）：曲多維（通常 n >3 ）數(shù)組構(gòu)成的數(shù)據(jù)集合．可理解為高維矩陣。

上文為轉(zhuǎn)自他人博客

那么什么又是張量（Tensor）呢？

筆記 | 什么是張量（tensor）& 深度學(xué)習(xí) - 知乎 https://zhuanlan.zhihu.com/p/48982978

在深度學(xué)習(xí)里，Tensor實際上就是一個多維數(shù)組（multidimensional array）。而Tensor的目的是能夠創(chuàng)造更高維度的矩陣、向量。

現(xiàn)在將三維的張量用一個正方體來表示：

加一點個人理解：3維張量，可以將矩陣數(shù)組中的“行，列，深度”理解為"XYZ直角坐標(biāo)系"中的“x,y,z”,或直白一點理解為長方體的“長，寬，高”。
這樣子可以進(jìn)一步生成更高維的張量：

舉個簡單的例子，彩色圖像文件（RGB）一般都會處理成3-d tensor，每個2d array（數(shù)組）中的每一個element（元素）表示每一個像素，R代表Red，G代表Green，B代表Blue：

而用Python舉例子的話，來看看下面這個表格：

總結(jié)

以上是生活随笔為你收集整理的深度学习TensorFlow取名由来，张量的理解的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。