趋近智
**张量(Tensor)**是 PyTorch 中将要使用的主要数据结构。如果你使用过 NumPy,你会发现 PyTorch 张量非常熟悉。从本质上讲,张量是多维数组,与 NumPy 的 ndarray 非常相似。
可以把张量看作是常见数学对象的推广:
[1, 2, 3])是 1 维张量(或 1 阶张量)。[[1, 2], [3, 4]])是 2 维张量(或 2 阶张量)。一种将张量看作标量、向量和矩阵的推广的方式,维度逐渐增加。
在深度学习中,张量用来表示几乎所有数据:
与标准 Python 列表甚至 NumPy 数组相比,是什么让 PyTorch 张量特别适合深度学习呢?
Autograd 系统内置了对自动微分的支持(我们将在第 3 章中介绍)。这种机制自动计算梯度,这对通过反向传播训练神经网络来说非常重要。尽管其原理与 NumPy 数组相似,但这两个特性使得 PyTorch 张量成为高效构建和训练模型的主要工具。在接下来的部分中,我们将介绍如何创建和操作这些重要的数据结构。
这部分内容有帮助吗?
© 2026 ApX Machine Learning用心打造