知识卡片
张量是可递归的高维列表
张量在这里就是 n 维数组:向量一维、矩阵二维,再多几维用同一个词。书中不实现 Tensor 类,直接用 list 表示,因为“向量的列表”“矩阵的列表”本身就是列表;类型只能写成 Tensor = list,想递归定义为 Union[float, List[Tensor]] 既不被 Python 允许,也拦不住 [[1.0, 2.0], [3.0]] 这种各行列数不等的假张量。于是改用 shape 逐层取长度、is_1d 判断是否已到底,再写两个递归工具:tensor_apply 逐元素套函数,tensor_combine 把两个张量的对应元素合并。后续所有层都只靠这两个函数处理任意维输入。代价是没有形状检查,维度写错不会报错,只会安静地算错。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第19章 深度学习 · 查看原书依据
这里简单地说张量只是一个列表。一方面来说,这是正确的,因为所有向量、矩阵,以及类似的高维空间都可视为列表。另一方面来说则不正确,因为在我们看来,大多数 Python 列表不是 维数组。
参考来源
- 位置:《数据科学入门(第2版)》第19章 深度学习(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0023.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「这里简单地说张量只是一个列表……」
- 原始内容:这里简单地说张量只是一个列表。一方面来说,这是正确的,因为所有向量、矩阵,以及类似的高维空间都可视为列表。另一方面来说则不正确,因为在我们看来,大多数 Python 列表不是 维数组。