tensorflow張量 張量和向量的區(qū)別?
張量和向量的區(qū)別?標(biāo)量是一個(gè)0階張量(一個(gè)數(shù)字),是1*1;向量是一個(gè)1階張量,是1*n;張量可以給出所有坐標(biāo)之間的關(guān)系,是n*n。所以通常說(shuō)張量(n*n)被重塑成向量(1*n)。事實(shí)上,重塑過(guò)程并沒(méi)
張量和向量的區(qū)別?
標(biāo)量是一個(gè)0階張量(一個(gè)數(shù)字),是1*1;向量是一個(gè)1階張量,是1*n;張量可以給出所有坐標(biāo)之間的關(guān)系,是n*n。所以通常說(shuō)張量(n*n)被重塑成向量(1*n)。事實(shí)上,重塑過(guò)程并沒(méi)有大的變化。
什么是張量網(wǎng)絡(luò) (tensor network)?
1. 張量的概念是向量和矩陣概念的推廣。標(biāo)量是零階張量,向量是一階張量,矩陣(方陣)是二階張量,而三階張量就像實(shí)心矩陣,高階張量不能用圖形表示。張量的解析表達(dá)式是矩陣的線性組合,而不是向量或標(biāo)量。它們都是直接對(duì)矩陣進(jìn)行運(yùn)算的
2。張量網(wǎng)絡(luò)
張量的基本運(yùn)算包括線性運(yùn)算、張量積、轉(zhuǎn)置和合并。當(dāng)所涉及的索引數(shù)較少,且歸并關(guān)系簡(jiǎn)單時(shí),常采用抽象索引表示法進(jìn)行分析運(yùn)算,如gr中,當(dāng)張量個(gè)數(shù)較多,索引歸并關(guān)系較復(fù)雜時(shí),最好用圖形表示它們的歸并關(guān)系,稱為張量網(wǎng)絡(luò)。在張量網(wǎng)絡(luò)中,n階張量由具有n個(gè)外支腿的圓(或正方形、三角形等)表示,每個(gè)外支腿表示一個(gè)索引。如果兩個(gè)張量的外支腿連接成一條直線,則表示兩個(gè)張量對(duì)應(yīng)的索引合并。整個(gè)圖形由張量、內(nèi)支腿(索引參與合并)和外支腿(索引不參與合并)組成。整個(gè)圖所表示的張量的順序是它的外支腿的數(shù)目。例如,如果用張量網(wǎng)絡(luò)來(lái)表示一個(gè)N體系統(tǒng)的波函數(shù),那么它就有N個(gè)外支腿。