2.1 数据：张量（Tensors）及其操作

文档摘要

2.1 数据：张量（Tensors）及其操作 2.1 数据：张量（Tensors）及其操作在深度学习的世界里，数据是基石，而张量（Tensor）则是表示和处理这些数据的核心工具。你可以将张量理解为一种特殊的多维数组，它是现代深度学习框架（如 TensorFlow 和 PyTorch）进行所有计算的基本单位。无论是输入的图像数据、文本数据，还是模型内部的权重、偏置，甚至是计算过程中的中间结果和梯度，都以张量的形式存在。为什么不直接使用传统的数组结构，比如 Python 的列表或 NumPy 数组呢？原因在于，张量被设计得更适合深度学习的需求：支持硬件加速：张量可以在各种硬件上高效运行，特别是图形处理器（GPU）和张量处理单元（TPU），这些硬件对于深度学习所需的大规模并行计算至关重要。