本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议 》和 《 阿里云开发者社区知识产权保护指引 》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单 进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

轴数（阶） ：Numpy 中用 ndim 表示，例如，3D 张量有 3 个轴( ndim == 3 )。

形状 ：Numpy 中用 shape 表示。它是张量沿每个轴的维度大小（元素个数）。

数据类型 ：Numpy 中用 dtype 表示。这是张量中所包含数据的类型。

常见的几种张量

股票价格数据集。每一分钟，我们记录股票的当前价格、上一分钟的最高价格和上一分钟的最低价格。整个交易日保存在形状为 (x, 3) 的 2D 张量（x 统计时长）中，而 300 天的数据则可以保存在形状为(300, x, 3)的 3D 张量中。这里每个样本是一天的股票数据。

图像数据(4D 张量)

图像通常具有三个维度：高度、宽度和颜色深度。虽然灰度图像（比如 MNIST 数字图像） 只有一个颜色通道，因此可以保存在 2D 张量中。

如果图像大小为 256×256，

128 张灰度图像组成的批量可以保存在一个形状为(128, 256, 256, 1)的张量中

128 张彩色图像组成的批量则可以保存在一个形状为(128, 256, 256, 3)的张量中。

TensorFlow 将颜色深度轴放在最后： (samples, height, width, color_depth) 。

Theano 将图像深度轴放在批量轴之后： (samples, color_depth, height, width) 。

按照 Theano 的约定，前面的两个例子将变成(128, 1, 256, 256)与(128, 3, 256, 256)。

Keras 框架同时支持这两种格式。

下一篇我们学习张量的运算特点。