從今天開始我們要逐步來談談使用tensflow來訓練機器時會用到的概念
首先是張量
張量(tensor)在tensflow中非常具有代表性地位,當我們想訓練AI時首先要確保資料的統一並可以里界和查看的。我們不是在訓練AI對一堆jpg或png解碼,而是在訓練對照片內容進行解碼的能力,因此我們需要使資料統一且容易理解。
為此我們需要張量著種能隨意輸入輸出資料的容器。
張量是結構化資料所構成的集合能讓我決定最終它是如何形成一個框架的,也就是說當資料為了被機器理解而被我們數值化時,我們可靠這個來確保資料的條理,例如陣列跟高維度的陣列。在數學上張量指的是一組任何維度結構化的數值,這裡你可以理解成一種優化群組資料的方式,做為用於進行數值計算的準備
當我們增加一個維度時我們會用rank來表示
所謂的一維就是標準的平坦資料集合,非常適合用於表達相關資料和序所做的集合
例如[1,2,3,4,5,6,……..]
二維用來表示資料所構成的網格,用來作為儲存圖形使用((x,y)座標)
例如[
[4,5]
[6,7]
[10,11]
]
-而三維就是我們人類最後一種常用的視覺等級,因為我們很難視覺化超過三維的資料(平常我們就是處在三維的空間呀XD)
例如(只是舉例不是確切數值)
[
[
[1,2,3]
[4,5,6]
]
]
[
[
[6,4,5]
[3,6,1]
]
]
今天就先講到rank這裡明天再繼續