大資料文摘作品，轉載要求見文末

編譯 | 邵胖胖，江凡，笪潔瓊，Aileen

也許你已經下載了TensorFlow，而且準備開始著手研究深度學習。但是你會疑惑：TensorFlow裡面的Tensor，也就是“張量”，到底是個什麼鬼？也許你查閱了維基百科，而且現在變得更加困惑。也許你在NASA教程中看到它，仍然不知道它在說些什麼？問題在於大多數講述張量的指南，都假設你已經掌握他們描述數學的所有術語。

別擔心！

我像小孩子一樣討厭數學，所以如果我能明白，你也可以!我們只需要用簡單的措辭來解釋這一切。所以，張量(Tensor)是什麼，而且為什麼會流動(Flow)？

目錄

0維張量/標量

標量是一個數字

1維張量/向量

1維張量稱為“向量”。

2維張量

2維張量稱為矩陣

3維張量

公用資料儲存在張量

時間序列資料

股價

文字資料

圖片

彩色圖片

5D張量

結論

讓我們先來看看tensor（張量）是什麼？

張量=容器

張量是現代機器學習的基礎。它的核心是一個數據容器，多數情況下，它包含數字，有時候它也包含字串，但這種情況比較少。因此把它想象成一個數字的水桶。

張量有多種形式，首先讓我們來看最基本的形式，你會在深度學習中偶然遇到，它們在0維到5維之間。我們可以把張量的各種型別看作這樣(對被題目中的貓咪吸引進來小夥伴說一句，不要急！貓咪在後面會出現哦！)：

0維張量/標量

裝在張量/容器水桶中的每個數字稱為“標量”。

標量是一個數字。

你會問為什麼不乾脆叫它們一個數字呢？

我不知道，也許數學家只是喜歡聽起來酷？標量聽起來確實比數字酷。

實際上，你可以使用一個數字的張量，我們稱為0維張量，也就是一個只有0維的張量。它僅僅只是帶有一個數字的水桶。想象水桶裡只有一滴水，那就是一個0維張量。

本教程中，我將使用Python，Keras，TensorFlow和Python庫Numpy。在Python中，張量通常儲存在Nunpy陣列，Numpy是在大部分的AI框架中，一個使用頻率非常高的用於科學計算的資料包。

你將在Kaggle（資料科學競賽網站）上經常看到Jupyter Notebooks（安裝見文末閱讀連結，“數學爛也要學AI：帶你造一個經濟試用版AI終極必殺器”）關於把資料轉變成Numpy陣列。Jupyter notebooks本質上是由工作程式碼標記嵌入。可以認為它把解釋和程式融為一體。

我們為什麼想把資料轉換為Numpy陣列？

很簡單。因為我們需要把所有的輸入資料，如字串文字，影象，股票價格，或者視訊，轉變為一個統一得標準，以便能夠容易的處理。

這樣我們把資料轉變成數字的水桶，我們就能用TensorFlow處理。

它僅僅是組織資料成為可用的格式。在網頁程式中，你也許通過XML表示，所以你可以定義它們的特徵並快速操作。同樣，在深度學習中，我們使用張量水桶作為基本的樂高積木。

1維張量/向量

如果你是名程式設計師，那麼你已經瞭解，類似於1維張量：陣列。

每個程式語言都有陣列，它只是單列或者單行的一組資料塊。在深度學習中稱為1維張量。張量是根據一共具有多少座標軸來定義。1維張量只有一個座標軸。

1維張量稱為“向量”。

我們可以把向量視為一個單列或者單行的數字。

如果想在Numpy得出此結果，按照如下方法：

我們可以通過NumPy’s ndim函式，檢視張量具有多個座標軸。我們可以嘗試1維張量。

2維張量

你可能已經知道了另一種形式的張量，矩陣——2維張量稱為矩陣

不，這不是基努·裡維斯(Keanu Reeves)的電影《黑客帝國》，想象一個excel表格。

我們可以把它看作為一個帶有行和列的數字網格。

這個行和列表示兩個座標軸，一個矩陣是二維張量，意思是有兩維，也就是有兩個座標軸的張量。

在Numpy中，我們可以如下表示：

x = np.array([[5,10,15,30,25],

[20,30,65,70,90],

[7,80,95,20,30]])

我們可以把人的特徵儲存在一個二維張量。有一個典型的例子是郵件列表。

比如我們有10000人，我們有每個人的如下特性和特徵：

First Name（名）

Last Name（姓）

Street Address（街道地址）

City（城市）

State（州/省）

Country（國家）

Zip（郵政編碼）

這意味著我們有10000人的七個特徵。

張量具有“形狀”，它的形狀是一個水桶，即裝著我們的資料也定義了張量的最大尺寸。我們可以把所有人的資料放進二維張量中，它是（10000,7）。

你也許想說它有10000列，7行。

不。

張量能夠被轉換和操作，從而使列變為行或者行變為列。

3維張量

這時張量真正開始變得有用，我們經常需要把一系列的二維張量儲存在水桶中，這就形成了3維張量。

在NumPy中，我們可以表示如下：

x = np.array([[[5,10,15,30,25],

[20,30,65,70,90],

[7,80,95,20,30]]

[[3,0,5,0,45],

[12,-2,6,7,90],

[18,-9,95,120,30]]

[[17,13,25,30,15],

[23,36,9,7,80],

[1,-7,-5,22,3]]])

你已經猜到，一個三維張量有三個座標軸，可以這樣看到：

x.ndim

輸出為：

3

讓我們再看一下上面的郵件列表，現在我們有10個郵件列表，我們將儲存2維張量在另一個水桶裡，建立一個3維張量，它的形狀如下：

(number_of_mailing_lists, number_of_people, number_of_characteristics_per_person)

(10,10000,7)

你也許已經猜到它，但是一個3維張量是一個數字構成的立方體。

我們可以繼續堆疊立方體，建立一個越來越大的張量，來編輯不同型別的資料，也就是4維張量，5維張量等等，直到N維張量。N是數學家定義的未知數，它是一直持續到無窮集合裡的附加單位。它可以是5,10或者無窮。

實際上，3維張量最好視為一層網格，看起來有點像下圖：

儲存在張量資料中的公式

這裡有一些儲存在各種型別張量的公用資料集型別：

3維=時間序列

4維=影象

5維=視訊

幾乎所有的這些張量的共同之處是樣本量。樣本量是集合中元素的數量，它可以是一些影象，一些視訊，一些檔案或者一些推特。

通常，真實的資料至少是一個數據量。

把形狀裡不同維數看作欄位。我們找到一個欄位的最小值來描述資料。

因此，即使4維張量通常儲存影象，那是因為樣本量佔據張量的第4個欄位。

例如，一個影象可以用三個欄位表示：

(width, height, color_depth) = 3D

但是，在機器學習工作中，我們經常要處理不止一張圖片或一篇文件——我們要處理一個集合。我們可能有10,000張鬱金香的圖片，這意味著，我們將用到4D張量，就像這樣：

(sample_size, width, height, color_depth) = 4D

我們來看看一些多維張量儲存模型的例子：

時間序列資料

用3D張量來模擬時間序列會非常有效！

醫學掃描——我們可以將腦電波（EEG）訊號編碼成3D張量，因為它可以由這三個引數來描述：

(time, frequency, channel)

這種轉化看起來就像這樣：

如果我們有多個病人的腦電波掃描圖，那就形成了一個4D張量：

(sample_size, time, frequency, channel)

Stock Prices

在交易中，股票每分鐘有最高、最低和最終價格。如下圖的蠟燭圖所示：

紐交所開市時間從早上9:30到下午4:00，即6.5個小時，總共有6.5 x 60 = 390分鐘。如此，我們可以將每分鐘內最高、最低和最終的股價存入一個2D張量（390,3）。如果我們追蹤一週（五天）的交易，我們將得到這麼一個3D張量：

(week_of_data, minutes, high_low_price)

即：(5,390,3)

同理，如果我們觀測10只不同的股票，觀測一週，我們將得到一個4D張量

(10,5,390,3)

假設我們在觀測一個由25只股票組成的共同基金，其中的每隻股票由我們的4D張量來表示。那麼，這個共同基金可以有一個5D張量來表示：

(25,10,5,390,3)

文字資料

我們也可以用3D張量來儲存文字資料，我們來看看推特的例子。

首先，推特有140個字的限制。其次，推特使用UTF-8編碼標準，這種編碼標準能表示百萬種字元，但實際上我們只對前128個字元感興趣，因為他們與ASCII碼相同。所以，一篇推特文可以包裝成一個2D向量：

（140,128）

如果我們下載了一百萬篇川普哥的推文（印象中他一週就能推這麼多），我們就會用3D張量來存：

(number_of_tweets_captured, tweet, character)

這意味著，我們的川普推文集合看起來會是這樣：

(1000000,140,128)

圖片

4D張量很適合用來存諸如JPEG這樣的圖片檔案。之前我們提到過，一張圖片有三個引數：高度、寬度和顏色深度。一張圖片是3D張量，一個圖片集則是4D，第四維是樣本大小。

著名的MNIST資料集是一個手寫的數字序列，作為一個影象識別問題，曾在幾十年間困擾許多資料科學家。現在，計算機能以99%或更高的準確率解決這個問題。即便如此，這個資料集仍可以當做一個優秀的校驗基準，用來測試新的機器學習演算法應用，或是用來自己做實驗。

Keras 甚至能用以下語句幫助我們自動匯入MNIST資料集：

from keras.datasets import mnist

(train_images, train_labels), (test_images, test_labels) = mnist.load_data()

這個資料集被分成兩個部分：訓練集和測試集。資料集中的每張圖片都有一個標籤。這個標籤寫有正確的讀數，例如3,7或是9，這些標籤都是通過人工判斷並填寫的。

訓練集是用來訓練神經網路學習演算法，測試集則用來校驗這個學習演算法。

MNIST圖片是黑白的，這意味著它們可以用2D張量來編碼，但我們習慣於將所有的圖片用3D張量來編碼，多出來的第三個維度代表了圖片的顏色深度。

MNIST資料集有60,000張圖片，它們都是28 x 28畫素，它們的顏色深度為1，即只有灰度。

TensorFlow這樣儲存圖片資料：

(sample_size, height, width, color_depth).

於是我們可以認為，MNIST資料集的4D張量是這樣的：

(60000,28,28,1)

彩色圖片

彩色圖片有不同的顏色深度，這取決於它們的色彩（注：跟解析度沒有關係）編碼。一張典型的JPG圖片使用RGB編碼，於是它的顏色深度為3，分別代表紅、綠、藍。

這是一張我美麗無邊的貓咪（Dove）的照片，750 x750畫素，這意味著我們能用一個3D張量來表示它：

(750,750,3)

My beautiful cat Dove (750 x 750 pixels)

這樣，我可愛的Dove將被簡化為一串冷冰冰的數字，就好像它變形或流動起來了。

然後，如果我們有一大堆不同型別的貓咪圖片（雖然都沒有Dove美），也許是100,000張吧，不是DOVE它的，750 x750畫素的。我們可以在Keras中用4D張量來這樣定義：

(10000,750,750,3)

5D張量

5D張量可以用來儲存視訊資料。TensorFlow中，視訊資料將如此編碼：

（sample_size, frames, width, height, color_depth)

如果我們考察一段5分鐘（300秒），1080pHD（1920 x 1080畫素），每秒15幀（總共4500幀），顏色深度為3的視訊，我們可以用4D張量來儲存它：

(4500,1920,1080,3)

當我們有多段視訊的時候，張量中的第五個維度將被使用。如果我們有10段這樣的視訊，我們將得到一個5D張量：

(10,4500,1920,1080,3)

實際上這個例子太瘋狂了！

這個張量的大是很荒謬的，超過1TB。我們姑且考慮下這個例子以便說明一個問題：在現實世界中，我們有時需要儘可能的縮小樣本資料以方便的進行處理計算，除非你有無盡的時間。

這個5D張量中值的數量為：

10 x 4500 x 1920 x 1080 x 3 = 279,936,000,000

在Keras中，我們可以用一個叫dype的資料型別來儲存32bits或64bits的浮點數

我們5D張量中的每一個值都將用32 bit來儲存，現在，我們以TB為單位來進行轉換：

279,936,000,000 x 32 = 8,957,952,000,000

這還只是保守估計，或許用32bit來儲存根本就不夠（誰來計算一下如果用64bit來儲存會怎樣），所以，減小你的樣本吧朋友。

事實上，我舉出這最後一個瘋狂的例子是有特殊目的的。我們剛學過資料預處理和資料壓縮。你不能什麼工作也不做就把大堆資料扔向你的AI模型。你必須清洗和縮減那些資料讓後續工作更簡潔更高效。

降低解析度，去掉不必要的資料（也就是去重處理），這大大縮減了幀數，等等這也是資料科學家的工作。如果你不能很好地對資料做這些預處理，那麼你幾乎做不了任何有意義的事。

結論

好了，現在你已經對張量和用張量如何對接不同型別資料有了更好的瞭解。

下一篇“數學爛也要學AI”文章裡，我們將學習如何在張量上做各種變換，這就是大家所熟知的數學。換句話說，我們將讓張量“流動Flow起來”。

原文連結：https://hackernoon.com/learning-ai-if-you-suck-at-math-p4-tensors-illustrated-with-cats-27f0002c9b32