infiniTensor学习笔记（专业阶段2024）

基本概念 

张量（Tensor）：

1.基本定义

struct Tensor<T> {shape: Vec<usize>,data: Vec<T>,
}

张量的形状（Shape）

shape 是一个向量，表示张量每个维度的大小。例如：

• 一维张量（向量）的 shape 是 [n]，其中 n 是向量的长度。
• 二维张量（矩阵）的 shape 是 [m, n]，其中 m 是行数，n 是列数。
• 三维张量的 shape 是 [p, m, n]，其中 p 是层数，m 是行数，n 是列数。

张量的维数（Rank）

张量的维数（或称为 rank）是指张量的 shape 向量的长度。例如：

• 向量 [n] 是一维张量，其维数是 1。
• 矩阵 [m, n] 是二维张量，其维数是 2。
• 三维张量 [p, m, n] 的维数是 3。

data

data 是一个包含张量所有元素的扁平化向量。例如：

• 对于形状为 [4] 的一维张量，data 可能是 [1, 2, 3, 4]。
• 对于形状为 [2, 3] 的二维张量，data 可能是 [1, 2, 3, 4, 5, 6]，表示一个 2x3 的矩阵：

  1 2 3
  4 5 6
  

• 对于形状为 [2, 2, 2] 的三维张量，data 可能是