向量數據：2D張量，形狀為(samples,features)

其為最常見的數據。對這種數據集，每個數據點都被編碼為一個向量，因此一個數據批量就被編碼為2D張量（即向量組成的數組），其中第一個軸是樣本軸，第二個軸為特征軸。

時間序列數據或序列數據：3D張量，形狀為(sample,timesteps,features )

當時間（或序列順序）對于數據很重要時，應該將數據存儲在帶有時間軸的3D張量中。每個樣本可以被編碼為一個有向量序列（即2D張量），因此一個數據批量就被編碼為一個3D張量

?時間軸始終為索引為1的軸。

eg：股票價格數據：每一分鐘，將股票當前價格、前一分鐘的最高價格和前一分鐘的最低價格保存下來。每一分鐘被編碼為一個3D張量，整個交易日被編碼為一個形狀為（390，3）的2D張量（一個交易日有390分鐘），而20天的數據則被保存在一個形狀為（20，390，3）的3D張量中。每一個樣本為一天的股票數據。

圖像：4D張量，形狀為(sample,height,width,channels)或(samples,channels,height,width)

那個通暢有三個維度：高度、寬度和顏色深度，雖然灰度圖像只有一個顏色通道，因此可以保存在2D張量中，但依據慣例，圖像張量始終為3D張量，灰度圖像的彩色通道只有一維。因此一個形狀為256x256的張量中，128張彩色圖片組成的批量則可以保存在一個形狀為（128，256，256，3）的張量中。

?

圖像張量的形狀有兩種規定：通道在后的約定和通道在前的約定。

視頻：5D張量，形狀為(samples,frames,height,width,channels )或（samples,frames,channels,heights,width)

視頻可以看作一系列幀，每一幀都是一張彩色圖像。由于每一幀都會保存在(height,width,color-depth)的3D張量中，因此一系列可以保存在一個形狀為(frames,height,width,color#depth)的4D張量中，而不同視頻組成的批量則可以保存在一個5D張量中，其形狀為(samples,frames,height,width,color-depth)?

?

總結

以上是生活随笔為你收集整理的神经网络-张量的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。