Keras学习之tensor张量

本文参考Keras中文官方网站：http://keras-cn.readthedocs.io/en/latest/other/regularizers/

         tensor(张量)指的是指广泛的数据类型，它是 n n 维的（ n n 是自然数）。最简单的张量是单个的数字，例如数字 6 6 就是 0 0 维张量；向量 [1,2,3,4,5,6] [ 1 , 2 , 3 , 4 , 5 , 6 ] 是一维张量；矩阵即二维张量；继续向下写就是 3 3 维张量、 4 4 维张量….高维的张量我们无法用公式表示。
         张量也称为轴（axis），对于矩阵 [[1,2][3,4]] [ [ 1 , 2 ] [ 3 , 4 ] ] 我们有如下的计算：

import numpy as np

a = np.array([[1,2],[3,4]])
sum0 = np.sum(a, axis=0)
sum1 = np.sum(a, axis=1)

print (sum0)
print (sum1)

         输出的结果为：[4,6]
                                     [3,7]
         在计算的时候，当 axis=0 a x i s = 0 的时候是矩阵的列向量相加，当 axis=1 a x i s = 1 的时候是矩阵的行向量相加。