tensorflow张量 张量和向量的区别？

张量和向量的区别？

标量是一个0阶张量（一个数字），是1*1；向量是一个1阶张量，是1*n；张量可以给出所有坐标之间的关系，是n*n。所以通常说张量（n*n）被重塑成向量（1*n）。事实上，重塑过程并没有大的变化。

什么是张量网络 (tensor network)？

1. 张量的概念是向量和矩阵概念的推广。标量是零阶张量，向量是一阶张量，矩阵（方阵）是二阶张量，而三阶张量就像实心矩阵，高阶张量不能用图形表示。张量的解析表达式是矩阵的线性组合，而不是向量或标量。它们都是直接对矩阵进行运算的

2。张量网络

张量的基本运算包括线性运算、张量积、转置和合并。当所涉及的索引数较少，且归并关系简单时，常采用抽象索引表示法进行分析运算，如gr中，当张量个数较多，索引归并关系较复杂时，最好用图形表示它们的归并关系，称为张量网络。在张量网络中，n阶张量由具有n个外支腿的圆（或正方形、三角形等）表示，每个外支腿表示一个索引。如果两个张量的外支腿连接成一条直线，则表示两个张量对应的索引合并。整个图形由张量、内支腿（索引参与合并）和外支腿（索引不参与合并）组成。整个图所表示的张量的顺序是它的外支腿的数目。例如，如果用张量网络来表示一个N体系统的波函数，那么它就有N个外支腿。

tensorflow张量 tensor是什么 矩阵的张量运算

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。