什么是二维浮点张量？答案

【问题标题】：What is a 2D float tensor?什么是二维浮点张量？
【发布时间】：2017-07-22 14:30:36
【问题描述】：

声明：我对 CNN 和深度学习一无所知，也不知道Torch。

我将SIFT 用于我的对象识别应用程序。我发现这篇论文Discriminative Learning of Deep Convolutional Feature Point Descriptors 特别有趣，因为它是基于 CNN 的，比经典的图像描述方法（例如 SIFT、SURF 等）更精确，但是（引用摘要）：

在我们开发的训练和测试期间使用 L2 距离 128-D 描述符，其欧几里德距离反映补丁相似性，并且可以用作任何涉及的任务的直接替代品筛选

哇，太棒了：这意味着我们可以继续使用任何基于 SIFT 的方法，但要使用更精确的描述符！

但是，引用github code repository README：

请注意，输出将是一个 Nx128 2D 浮点张量，其中每一行是一个描述符。

那么，什么是“2D 浮点张量”？ SIFT 描述符矩阵是 Nx128 浮点数，有什么我遗漏的吗？

【问题讨论】：

【解决方案1】：

2D 浮点张量 = 2D 浮点矩阵。

【讨论】：

【解决方案2】：

这是一个二维浮点张量。

[[1.0,2.0],
 [3.0,4.0]]

这仍然是一个二维浮点张量，即使它们有 3 个项目和 3 行！

[[1.0,2.0,3.0],
 [4.0,5.0,6.0],
 [7.0,5.0,6.0]]

括号的数量很重要。

【讨论】：