tensorflow張量理解

• 零階張量就是一個數，一階張量是一個向量（類似於一維陣列），二階張量是矩陣（類似於二維陣列），三階張量類似於三維陣列，以此類推。張量的階與矩陣的階不是一個概念，需要注意。

機器學習的簡單理解

• 我們現在處理的資料有文字、語音、影象等，文字資料是一個稀疏矩陣，語音和圖片是稠密矩陣。我們拿影象識別為例，我們把影象抽象成三階張量（高度和寬度和色彩），經過在訓練集中機器學習各種方法的處理，得出一個函式f(x)。三階張量經過函式f(x)即可得到影象識別的結果。這裡的函式f(x)一開始有很多未知的引數，只有通過不斷的學習，得到並優化f(x)中的引數，讓其執行的正確性和速度不斷提高，得出效果好的模型，即得到了函式f(x)的具體形式，各個變數都已經確定。我們可以在實際生產過程中應用這個模型，快速得到結果。

人工神經網路（ANN）的簡單理解

• 從數學上可以證明，人工神經網路可以表示所有的非線性函式。我們通過神經元的正向傳播和反向傳播優化引數。分為卷積神經網路（CNN）、深度神經網路（DNN）、遞迴神經網路、迴圈神經網路等。