張量是什麼？

TensorFlow一詞成功說明，該系統計算得主體正是Tensor(張量)。
怎麼聽起來有點厲害？
國小學過一條線上的一個點，國中學過如何表示一個平面上的一條直線，高中學過向量，學過矩陣Gram-Schmidt正交。
一路到大學，我們學會了3D空間維度，就如同身旁的事物。
那張量到底是什麼？
其實，張量可以想成是一個更廣泛性的維度資料稱呼：

1. 當張量維度(n=0)時：稱為純量(scalar)
2. 當張量維度(n=1)時：稱為向量(vector)
3. 當張量維度(n=2)時：稱為矩陣(matrix)
4. 當張量維度(n>=3)時：稱為張量(tensor)

一切沒有不同，不同點改成以n的數字來表示。

為啥TensorFlow這麼普及？

這是一個開放性問題，歡迎大家討論~

我想大致可以分成幾點討論：

1. 支援度廣：TensorFlow是Google提出來的，對應的預訓練好的模型也相對完整，數量也多。選這個應該很容易找到相似的解法或應用吧！
2. 容易撰寫：針對現今最常見的神經網路模型，主要建基於反向傳遞；而TensorFlow提供良好的微分函數可以有效對於陌生的損失函數進行微分，大幅降低學習難度。

我的機器不是伺服器，我也想用TensorFlow