Tensor的形状

Tensor是什么？

机器学习中的定义下，Tensor是数据的容器。我将其理解为每个元素大小都相等的N维数组。但在严格的数学定义中，Tensor又不仅仅是数据的容器，Tensor具备几何意义，其中的每个元素实际上表示了某个基向量的权重。

为什么要用Tensor?

机器学习中，使用Tensor纯粹是需要定义这样一种数据类型--换个名字都可以。根据某YouTude视频，由于Tensor表征了不同基向量之间的组合。这意味着即使空间发生变换（不涉及升降维），Tensor中存储的信息也不会发生改变，所以Tensor实际是对信息的一种最精简的表示（如果对空间进行变换，基向量互相垂直的关系是否会发生改变？）

常用参数

axis的作用？

axis是一个比较反直觉的参数。比如令axis为0，结果发现运算是对矩阵的列（1）而不是对行（0）进行的。

使用axis时，需要记住的是，axis对应的轴在计算后会变为1维、比如对一个33的Tensor计算，令axis为0，则结果变为1\3维。反之令axis为1，则结果变为3*1维。