Python + 深度学习从 0 到 1（03 / 99）
希望对你有帮助呀！！💜💜 如有更好理解的思路，欢迎大家留言补充 ~ 一起加油叭 💦
欢迎关注、订阅专栏 【深度学习从 0 到 1】谢谢你的支持！
⭐ 神经网络的数据表示 – 张量
你可能对矩阵很熟悉，它是二维张量。张量是矩阵向任意维度的推广［注意，张量的维度（dimension）通常叫作轴（axis）］
- 用
.ndim查看维度
1. 标量（0D张量）💜 .ndim == 0
import torch
scalar = torch.tensor(7)
2. 向量（1D张量）💜 .ndim == 1
import torch
vector = torch.tensor([7,7])
3. 矩阵（2D张量）💜 .ndim == 2
import torch
MATRIX = torch.tensor([[7, 7],
[7, 7]])
⭐ 关键属性 – ndim & shape & dtype
import torch
MATRIX = torch.tensor([[7, 7],
[7, 7]])
print(MATRIX.ndim) # 轴的个数（阶）：2
print(MATRIX.shape) # 形状：torch.Size([2, 2])
print(MATRIX.dtype) # 数据类型：torch.int64
参考书籍：Python 深度学习