**張量**（tensor）：一個數據容器 矩陣->二維張量=>張量是矩陣向任意維度的推廣 **軸**（axis）：張量的**維度**（dimension） **階**（rank）：張量軸的個數，ndim **標量**（scalar，也叫標量張量、零維張量、0D 張量）： 僅包含一個數字的張量； 在 Numpy 中，一個`float32`或`float64`的數字就是一個標量張量（或標量數組）。 #### eg:`np.array(12).ndim >> 0` **向量**（vector）：一維**張量**（1D **張量**），只有一個軸。 第一個軸是**樣本軸**，第二個軸是**特征軸** #### eg:`np.array([12, 3, 6, 14, 7]).ndim >> 1`,這個數組有5個元素，叫**5D向量** **矩陣**（matrix）：二維**張量**（2D **張量**）。矩陣有 2 個軸（通常叫作**行**和**列**） #### eg: ~~~ np.array([[5, 78, 2, 34, 0], [6, 79, 3, 35, 1], [7, 80, 4, 36, 2]]).nidm >> 2 ~~~ **3D 張量**： #### eg: ~~~ np.array([[[5, 78, 2, 34, 0], [6, 79, 3, 35, 1], [7, 80, 4, 36, 2]], [[5, 78, 2, 34, 0], [6, 79, 3, 35, 1], [7, 80, 4, 36, 2]], [[5, 78, 2, 34, 0], [6, 79, 3, 35, 1], [7, 80, 4, 36, 2]]]).nidm >> 3 ~~~ * **向量數據**：2D 張量，形狀為`(samples, features)`。 * **時間序列數據**或**序列數據**：3D 張量，形狀為`(samples, timesteps, features)`。 * **圖像**：4D 張量，形狀為`(samples, height, width, channels)`或`(samples, channels, height, width)`。 * **視頻**：5D 張量，形狀為`(samples, frames, height, width, channels)`或`(samples, frames, channels, height, width)`。