张量在深度学习中就是带维度结构、支持自动微分与硬件加速的多维数组；它不是数组“映射成”的抽象概念，而是数组本身在框架中的增强实现，具备rank、shape、dtype、device和梯度追踪等关键能力。
多维数组在深度学习中不是“映射成”张量，而是**本身就是张量的实现形式**——张量在深度学习语境下，就是带维度结构、支持自动微分与硬件加速的多维数组。
张量即多维数组：去掉术语包袱
不必把“张量”想成高深数学对象。在PyTorch、TensorFlow或NumPy里，它就是你熟悉的数组，只是多了几项关键能力：
- 有明确的维度（rank）和形状（shape），比如
(32, 224, 224, 3)表示32张224×224像素的RGB图 - 携带数据类型（dtype），如
torch.float32或np.int64，影响内存与计算精度 - 可绑定设备（CPU/GPU），支持底层并行运算
- 支持梯度追踪（在PyTorch中启用
requires_grad=True后）
常见维度对应关系很直观
实际建模时，多维数组如何“成为”张量，取决于你组织数据的方式：
-
标量 → 0维张量：单个损失值
loss = torch.tensor(1.23) -
词向量序列 → 2D张量：batch_size × seq_len，如
(16, 512)表示16句、每句512个token -
彩色图像 → 3D张量：height × width × channels（NHWC格式），但PyTorch默认用channels-first，即
(3, 224, 224) -
图像批次 → 4D张量：batch × channel × height × width，即
(32, 3, 224, 224) -
视频片段 → 5D张量：batch × channel × frames × height × width，如
(8, 3, 16, 112, 112)
数组转张量的关键操作
从原始数组（如NumPy）到可用张量，常需三步对齐：
-
调整轴序：用
transpose或permute匹配框架预期，例如将NHWC转为NCHW：img_np.transpose(2, 0, 1) -
统一dtype：PyTorch默认
float32，NumPy常为float64，转换时显式指定：torch.tensor(arr, dtype=torch.float32) -
设备迁移：
.to('cuda')把CPU张量送入GPU，后续运算自动在GPU执行
为什么不能直接用普通数组？
因为深度学习需要的不只是存储——它依赖张量的“行为契约”：
- 算子（如
nn.Conv2d）只接受张量输入，内部会调用CUDA核或XLA编译器 - 反向传播需构建计算图，普通NumPy数组无此机制
- 广播规则、内存连续性检查、梯度累加等均由张量类统一管理
