« Tensor » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
 
(22 versions intermédiaires par 4 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
__NOTOC__
#REDIRECTION[[Tenseur]]
== Domaine ==
[[Catégorie:ENGLISH]]
[[Category:Vocabulaire]]Vocabulaire<br />
[[Category:Google]]Google<br />
[[Category:Apprentissage profond]]Apprentissage profond<br />
<br />


== Définition ==
==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.
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.


Voir '''[[caractéristique dense]]'''.


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


==Anglais==
'''Tensor'''


<br />
==Sources==
 
[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 13:41

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