前面例子使用的数据存储在多维 Numpy 数组中，也叫张量（tensor）。 张量这一概念的核心在于，它是一个数据容器。它包含的数据几乎总是数值数据，因此它是数字的容器。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， 张量的维度（dimension）通常叫作轴（axis）。
1、标量（0D 张量）
仅包含一个数字的张量叫作标量（scalar，也叫标量张量、零维张量、0D 张量）。在 Numpy 中，一个 float32 或 float64 的数字就是一个标量张量（或标量数组）。你可以用 ndim 属性来查看一个 Numpy 张量的轴的个数。标量张量有 0 个轴（ndim == 0）。张量轴的个数也叫作阶（rank）。
import numpy as np x = np.array(12) x #输出array(12) x.ndim #输出0
2、向量（1D 张量）
数字组成的数组叫作向量（vector）或一维张量（1D 张量）。一维张量只有一个轴。维度 （dimensionality）可以表示沿着某个轴上的元素个数（比如 5D 向量），也可以表示张量中轴的个 数（比如 5D 张量）。
x = np.array([12, 3, 6, 14, 7]) x #输出array([12, 3, 6, 14, 7]) x.ndim #输出1 #这个向量5个元素，所以被称为5D向量。 #不要把5D向量和5D张量弄混。5D 向量只有一个轴，沿着轴有5个维度，而5D张量有5个轴（沿着每个轴可能有任意个维度）。
3、矩阵（2D 张量）
向量组成的数组叫作矩阵（matrix）或二维张量（2D 张量）。矩阵有 2 个轴（通常叫作行和 列）。你可以将矩阵直观地理解为数字组成的矩形网格。
x = np.array([[5, 78, 2, 34, 0], [6, 79, 3, 35, 1], [7, 80, 4, 36, 2]]) x.ndim #输出2 #第一个轴上的元素叫作行（row），第二个轴上的元素叫作列（column）。在上面的例子中， [5, 78, 2, 34, 0] 是 x 的第一行，[5, 6, 7] 是第一列。
4、3D张量与更高维张量
将多个矩阵组合成一个新的数组，可以得到一个 3D 张量，你可以将其直观地理解为数字组成的立方体。
x = np.array([[[5, 78, 2, 34, 0], [6, 79, 3, 35, 1], [7, 80, 4, 36, 2]], [[5, 78, 2, 34, 0], [6, 79, 3, 35, 1], [7, 80, 4, 36, 2]], [[5, 78, 2, 34, 0], [6, 79, 3, 35, 1], [7, 80, 4, 36, 2]]]) x.ndim #输出3
将多个3D张量组合成一个数组，可以创建一个 4D 张量，以此类推。深度学习处理的一般是 0D 到 4D 的张量，但处理视频数据时可能会遇到 5D 张量。
5、关键属性
张量是由以下三个关键属性来定义的。
轴的个数（阶）——例如，3D 张量有 3 个轴，矩阵有 2 个轴。这在 Numpy 等 Python 库中也叫张量的 ndim。
形状——这是一个整数元组，表示张量沿每个轴的维度大小（元素个数）。例如，前面矩阵示例的形状为 (3, 5)，3D 张量示例的形状为 (3, 3, 5)。向量的形状只包含一个元素，比如 (5,)，而标量的形状为空，即 ()。
数据类型（在 Python 库中通常叫作 dtype）——这是张量中所包含数据的类型，例如，张量的类型可以是 float32、uint8、float64 等。在极少数情况下，你可能会遇到字符 （char）张量。注意，Numpy（以及大多数其他库）中不存在字符串张量，因为张量存储在预先分配的连续内存段中，而字符串的长度是可变的，无法用这种方式存储。
#首先加载 MNIST 数据集。 from keras.datasets import mnist (train_images, train_labels), (test_images, test_labels) = mnist.load_data() #给出张量 train_images 的轴的个数，即 ndim 属性。 print(train_images.ndim) 3 #形状。 print(train_images.shape) (60000, 28, 28) #数据类型，即 dtype 属性。 print(train_images.dtype) uint8 #这里 train_images 是一个由8位整数组成的3D张量。更确切地说，它是 60 000个矩阵组成的数组，每个矩阵由 28×28 个整数组成。每个这样的矩阵都是一张灰度图像，元素取值范围为 0~255。 #我们用 Matplotlib 库（Python 标准科学套件的一部分）来显示这个 3D 张量中的第 4 个数字 digit = train_images[4] import matplotlib.pyplot as plt plt.imshow(digit, cmap=plt.cm.binary) plt.show()
6、在 Numpy 中操作张量
在前面的例子中，使用语法 train_images[i] 来选择沿着第一个轴的特定数字。选择张量的特定元素叫作张量切片（tensor slicing）。
#下面这个例子选择第10~100个数字（不包括第 100 个），并将其放在形状为 (90, 28, 28) 的数组中。 my_slice = train_images[10:100] print(my_slice.shape #(90, 28, 28) #它等同于下面这个更复杂的写法，给出了切片沿着每个张量轴的起始索引和结束索引。 注意，: 等同于选择整个轴。 my_slice = train_images[10:100, :, :] my_slice.shape #(90, 28, 28) #等同于前面的例子 my_slice = train_images[10:100, 0:28, 0:28] my_slice.shape #(90, 28, 28)
一般来说，可以沿着每个张量轴在任意两个索引之间进行选择。例如，你可以在所有图像的右下角选出14 像素×14 像素的区域：
my_slice = train_images[:, 14:, 14:]
也可以使用负数索引。与 Python 列表中的负数索引类似，它表示与当前轴终点的相对位置。 你可以在图像中心裁剪出 14 像素×14 像素的区域：
my_slice = train_images[:, 7:-7, 7:-7]
7、数据批量的概念
深度学习中所有数据张量的第一个轴（0 轴，因为索引从 0 开始）都是样本轴 （samples axis，有时也叫样本维度）。在 MNIST 的例子中，样本就是数字图像。 此外，深度学习模型不会同时处理整个数据集，而是将数据拆分成小批量。
#批量大小为 128。 batch = train_images[:128] #然后是下一个批量。 batch = train_images[128:256] #然后是第 n 个批量。 batch = train_images[128 * n:128 * (n + 1)] #对于这种批量张量，第一个轴（0 轴）叫作批量轴（batch axis）或批量维度（batch dimension）。
8、现实世界中的数据张量
你需要处理的数据总是以下类别之一。
向量数据：2D 张量，形状为 (samples, features)。
时间序列数据或序列数据：3D 张量，形状为 (samples, timesteps, features)。
图像：4D 张量，形状为 (samples, height, width, channels) 或 (samples, channels, height, width)。
视频：5D 张量，形状为 (samples, frames, height, width, channels) 或 (samples, frames, channels, height, width)。
9、向量数据
这是最常见的数据。对于这种数据集，每个数据点都被编码为一个向量，因此一个数据批量就被编码为 2D 张量（即向量组成的数组），其中第一个轴是样本轴，第二个轴是特征轴。
#人口统计数据集， 其中包括每个人的年龄、邮编和收入。 每个人可以表示为包含3个值的向量，而整个数据集包含100000个人，因此可以存储在形状为 (100000, 3) 的 2D 张量中。 #文本文档数据集， 将每个文档表示为每个单词在其中出现的次数（字典中包含20000个单词）。 每个文档被编码为包含20000个值的向量（每个值对应于字典中每个单词的出现次数） 整个数据集包含500个文档，因此可以存储在形状为 (500, 20000) 的张量中
10、时间序列数据或序列数据
当时间（或序列顺序）对于数据很重要时，应该将数据存储在带有时间轴的 3D 张量中。 每个样本可以被编码为一个向量序列（即 2D 张量），因此一个数据批量就被编码为一个 3D 张 量。根据惯例，时间轴始终是第 2 个轴（索引为 1 的轴）。
#股票价格数据集 每一分钟，我们将股票的当前价格、前一分钟的最高价格和前一分钟的最低价格保存下来，因此每分钟被编码为一个3D向量。 整个交易日被编码为一个形状为 (390, 3) 的2D张量（一个交易日有 390 分钟），而250天的数据则可以保存在一个形状为 (250, 390, 3) 的3D张量中。 这里每个样本是一天的股票数据。 #推文数据集。 我们将每条推文编码为280个字符组成的序列，而每个字符又来自于128个字符组成的字母表。 每个字符可以被编码为大小为128的二进制向量（只有在该字符对应的索引位置取值为 1，其他元素都为 0。 那么每条推文可以被编码为一个形状为 (280, 128) 的 2D 张量，而包含100万条推文的数据集则可以存储在一个形状为 (1000000, 280, 128) 的张量中。
11、图像数据
图像通常具有三个维度：高度、宽度和颜色深度。虽然灰度图像（比如 MNIST 数字图像） 只有一个颜色通道，因此可以保存在 2D 张量中，但按照惯例，图像张量始终都是 3D 张量，灰度图像的彩色通道只有一维。因此，如果图像大小为 256×256，那么128张灰度图像组成的批量可以保存在一个形状为 (128, 256, 256, 1) 的张量中，而128张彩色图像组成的批量则可以保存在一个形状为 (128, 256, 256, 3) 的张量中。
#通道在后（channels-last）的约定（在 TensorFlow 中使用） ensorFlow 机器学习框架将颜色深度轴放在最后：(samples, height, width, color_depth)。， #通道在前（channels-first）的约定（在 Theano 中使用） Theano 将图像深度轴放在批量轴之后：(samples, color_depth, height, width)。 如果采用Theano 约定，前面的两个例子将变成 (128, 1, 256, 256) 和 (128, 3, 256, 256)。 Keras 框架同时支持这两种格式。
12、视频数据
视频可以看作一系列帧， 每一帧都是一张彩色图像。由于每一帧都可以保存在一个形状为 (height, width, color_ depth) 的 3D 张量中，因此一系列帧可以保存在一个形状为 (frames, height, width, color_depth) 的 4D 张量中，而不同视频组成的批量则可以保存在一个 5D 张量中，其形状为 (samples, frames, height, width, color_depth)。
一个以每秒4帧采样的60秒YouTube视频片段。视频尺寸为144×256，这个 视频共有240帧。 4个这样的视频片段组成的批量将保存在形状为 (4, 240, 144, 256, 3) 的张量中。总共有 106 168 320 个值！ 如果张量的数据类型（dtype）是 float32，每个值都是 32 位，那么这个张量共有 405MB。 现实生活中遇到的视频要小得多，因为它们不以 float32 格式存储，而且通常被大大压缩，比如 MPEG 格式。
以上内容来自《python深度学习》，仅作学习笔记记录~