1. 直觉引入：张量到底是什么？

先不看公式，看一张照片。一张 3×3 像素的彩色小图，每个像素有 R、G、B 三个亮度值。要完整描述这张图，你需要三个方向的坐标：第几行、第几列、哪个颜色通道。

这就是一个"三阶张量"——它不是什么神秘的新概念，只是"表格"这个想法沿着第三个方向又展开了一层。你可以把它理解成"多层叠在一起的矩阵"。

一句话理解：标量是一个点，向量是一排点，矩阵是一个面，张量是把"面"沿着更多方向堆叠起来。阶数（rank）就是"需要几个坐标才能定位一个元素"。

2. 数学定义

2.1 从标量到张量的统一表达

它们本质上是同一件事:一个用若干坐标索引取值的对象,只是索引的个数不同。

2.2 形状（Shape）

一个张量的"形状"，描述的是它在每个方向上各有多少个元素。对于本讲的 3×3 RGB 图像：

$$ \text{shape}(T) = (3,\ 3,\ 3) \quad \text{对应 } (\text{行}, \text{列}, \text{通道}) $$

张量中元素的总个数，就是形状里所有数字的乘积：

$$ \text{元素总数} = \prod_{k=1}^{n} d_k $$

这里 $d_k$ 是第 $k$ 个维度的大小。上面例子中元素总数为 $3 \times 3 \times 3 = 27$。

2.3 两个张量的加法

形状相同的张量，加法就是对应位置的元素相加，这一点从向量、矩阵到高阶张量都是一致的：

$$ (A + B)_{i_1 i_2 \dots i_n} = A_{i_1 i_2 \dots i_n} + B_{i_1 i_2 \dots i_n} $$

3. Python 实战

用 NumPy 把上面 3×3 RGB 图像的例子跑一遍，直观感受"阶数"和"形状"这两个概念。

3.1 创建一个三阶张量

import numpy as np

# 模拟一张 3x3 像素的彩色小图，最后一维是 RGB 三个通道
image_tensor = np.random.randint(0, 256, size=(3, 3, 3))

print("阶数 (ndim):", image_tensor.ndim)
print("形状 (shape):", image_tensor.shape)
print("元素总数 (size):", image_tensor.size)

阶数 (ndim): 3 形状 (shape): (3, 3, 3) 元素总数 (size): 27

3.2 按坐标取值

# 取第 0 行、第 1 列、G 通道（索引 1）的像素值
pixel_g = image_tensor[0, 1, 1]
print("该位置 G 通道值:", pixel_g)

# 取第 0 行、第 1 列的完整 RGB 三个值（一个 1 阶张量，即向量）
pixel_rgb = image_tensor[0, 1, :]
print("该位置 RGB 向量:", pixel_rgb)

该位置 G 通道值: 143 该位置 RGB 向量: [ 87 143 22]

观察一下：用切片 [0, 1, :] 从三阶张量里取出的结果是一个一阶张量（向量）。这说明"从高阶张量里固定几个坐标，会得到一个更低阶的张量"——这个规律在后面讲神经网络的批量数据处理时会反复用到。

4. 三维可视化：把张量"看"出来

下面用 Plotly 把这个 3×3×3 张量画成空间中的 27 个点：三个坐标轴分别对应"行、列、通道"，每个点的颜色深浅代表该位置的数值大小。拖动鼠标可以旋转视角。

注意观察：固定"通道"这一层不变，你会看到一个 3×3 的平面——那正是一个二阶张量（矩阵）。这也是为什么我们说"矩阵是张量的一个特例"。

5. 与 AI 的联系

张量之所以是深度学习框架（PyTorch、TensorFlow）里最核心的数据结构，是因为几乎所有 AI 数据都能自然地表示成张量：

可以看到，"批大小（batch size）"这个训练时最常调的参数，本质上就是给张量多加了一个维度。理解了张量的阶数和形状，你在调试模型时看到 shape mismatch 报错，就能立刻定位是哪个维度对不上。