张量，来自于数学，以多线性方式将几何向量、标量和其他类似对象映射到结果张量的几何对象。

当时林奇第一次也没听懂。

不过他看了看还是大致明白过来，所谓张量，就是一个广义的矩阵。

高中学习的向量是一维矩阵，数字的立方体是三维矩阵，甚至耽搁数字也是矩阵。

这里冥冥中已经和那神经网络算法所切合，而张量之所以与纯矩阵有曲风，便在于他拥有动态特征——生活在结构中，与其他数学实体相互作用。

而计算机科学里，张量则是一个n纬矩阵。

林奇默默在纸面上重新打版，刚刚他已经将整个神秘的控制知识拱手托出，与着神孽交换。

至于对方是否会靠此找到成神的专门要是与切记，他也都无所谓。

火都烧到眉头了，谁还会估计明天的饭菜热不热。

而随着书写，林奇的板书笔法也越发飘忽——

训练后的神经网络以标签或预估值对数据分类，此乃推理。

因此每个神经元都需要进行计算。

输入数据乘以权重，表示信号强度。

结果相加聚合神经元状态。

使用激活函数调节神经元参数活动。

如此一步接着一步，连绵不绝。

按理说，三个输入而只有两个神经元与一个单层神经网络的话，权重与输入便要六次乘法……