« Tensor » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
 
(20 versions intermédiaires par 4 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
__NOTOC__
#REDIRECTION[[Tenseur]]
== Domaine ==
[[Catégorie:ENGLISH]]
[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Category:Vocabulaire2]]
[[Category:Google2]]
[[Category:Apprentissage profond2]]
[[Category:scotty2]]


<br />
==Définition==
Structure de données principale des programmes TensorFlow. Les Tensors sont des structures de données à N dimensions (la valeur de N pouvant être très grande), généralement des grandeurs scalaires, des [[vecteur]]s ou des [[matrice]]s. Les éléments d'un Tensor peuvent contenir des valeurs de type entier, à virgule flottante ou chaîne.


== Définition ==
Voir '''[[caractéristique dense]]'''.
Structure de données principale des programmes TensorFlow. Les Tensors sont des structures de données à N dimensions (la valeur de N pouvant être très grande), généralement des grandeurs scalaires, des vecteurs ou des matrices. Les éléments d'un Tensor peuvent contenir des valeurs de type entier, à virgule flottante ou chaîne.


==Français==
'''Tensor''' 


<br />
==Anglais==
== Termes privilégiés ==
'''Tensor'''
=== Tensor n.m.=== 


 
==Sources==
<br />
[https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary]
 
== Anglais ==
 
===  Tensor===
 
<br/>
<br/>
<br/>
[https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary ]
<br/>
<br/>
<br/>

Dernière version du 11 mars 2024 à 12:41

Rediriger vers :


Définition

Structure de données principale des programmes TensorFlow. Les Tensors sont des structures de données à N dimensions (la valeur de N pouvant être très grande), généralement des grandeurs scalaires, des vecteurs ou des matrices. Les éléments d'un Tensor peuvent contenir des valeurs de type entier, à virgule flottante ou chaîne.

Voir caractéristique dense.

Français

Tensor

Anglais

Tensor

Sources

Source : Google machine learning glossary