本文深入浅出地讲解张量(Tensor)的核心概念，从最基础的标量、向量、矩阵出发，逐步理解高维张量的本质。配合大量直观的可视化、数学定义和PyTorch/NumPy代码示例，帮你彻底掌握这一深度学习的基础数据结构。
一、什么是张量？
1.1 张量的直观理解
张量是多维数组的通用术语，是深度学习中最基本的数据结构。
┌─────────────────────────────────────────────────────────────────┐
│ 张量的维度层级 │
├─────────────────────────────────────────────────────────────────┤
│ │
│ 0维张量：标量（Scalar） │
│ ┌─────────────────────────────────────────────────────────┐ │
│ │ │ │
│ │ 就是一个数字： 42 3.14 -7 │ │
│ │
