在机器学习中,张量是沿多个轴组织数值的数组。单个数值、向量和矩阵可分别视为零维、一维和二维张量;模型的输入、权重及中间计算结果也常以张量表示。
在数学中,张量有更严格的定义,其性质涉及坐标变换时遵循的规则。机器学习领域使用这一术语时,通常侧重多维数值数组及其运算。
tensor
张量是用于表示人工智能模型输入、权重和中间计算结果的多维数值数组。
在机器学习中,张量是沿多个轴组织数值的数组。单个数值、向量和矩阵可分别视为零维、一维和二维张量;模型的输入、权重及中间计算结果也常以张量表示。
在数学中,张量有更严格的定义,其性质涉及坐标变换时遵循的规则。机器学习领域使用这一术语时,通常侧重多维数值数组及其运算。
本条目依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们。
ShapeLearn的思路是为每个张量单独学习最理想的数据类型,而不是对整个模型套用同一种方案,ByteShape称这样即使在极低位宽下也能保住质量。
阅读文章百科说明依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们,我们会核实并修改。新文章中出现的名称会在文章发布后加入百科。