张量(Tensor)深度解析：从标量到高维数组的完整指南

本文深入浅出地讲解张量(Tensor)的核心概念，从最基础的标量、向量、矩阵出发，逐步理解高维张量的本质。配合大量直观的可视化、数学定义和PyTorch/NumPy代码示例，帮你彻底掌握这一深度学习的基础数据结构。

一、什么是张量？

1.1 张量的直观理解

张量是多维数组的通用术语，是深度学习中最基本的数据结构。 ┌─────────────────────────────────────────────────────────────────┐ │ 张量的维度层级 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 0维张量：标量（Scalar） │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ │ │ │ │ 就是一个数字： 42 3.14 -7 │ │ │ │