本文采用知识共享署名 4.0 国际许可协议进行许可，转载时请注明原文链接，图片在使用时请保留全部内容，可适当缩放并在引用处附上图片所在的文章链接。

• 标量、向量、矩阵、张量
  • 标量
  • 向量
  • 矩阵
  • 张量

标量、向量、矩阵、张量

• 点——标量（scalar）
• 线——向量（vector）
• 面——矩阵（matrix）
• 体——张量（tensor）

标量

标量只有大小概念，没有方向的概念。通过一个具体的数值就能表达完整。
比如：重量、温度、长度、提及、时间、热量等都数据标量。

向量

主要有2个维度：大小、方向。
大小：箭头的长度表示大小
方向：箭头所指的方向表示方向

矩阵

矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合，元素是实数的矩阵称为实矩阵，元素是复数的矩阵称为复矩阵。而行数与列数都等于n的矩阵称为n阶矩阵或n阶方阵。
由 m × n 个数aij排成的m行n列的数表称为m行n列的矩阵，简称m × n矩阵。记作：

张量

张量有很多种定义的方式，这里只讨论人工智能领域里的概念。 在人工智能领域，定义比较简单，TensorFlow是这么定义的：

A tensor is a generalization of vectors and matrices to potentially higher dimensions.

简单翻译过来就是：张量是多维数组，目的是把向量、矩阵推向更高的维度。