Tüm makine öğrenimi sistemleri, temel veri yapıları olarak tensörleri kullanır. Tensörler bu alanın temelidir; hatta o kadar temeldir ki Google’ın Tensorflow’u tensörlerin adını almıştır. Peki tensör nedir ?
Tensörler, vektörlerin ve matrislerin isteğe bağlı sayıda boyuta genelleştirilmesidir. Vektörler 1D tensörleri oluşturmak ve işlemek için kullanılırken matrisler 2D tensörleri oluşturmak ve işlemek için kullanılır. Daha yüksek seviyeli boyutlar için diziler kullanılmaktadır.
Scalars (0D Tensors): Yalnızca tek bir sayı içeren tensöre skaler (0 boyutlu tensör) denir.
Vectors (1D Tensors): Tek boyutlu bir sayı dizisine vektör veya 1D tensör denir. 1D tensörün tam olarak bir ekseni olduğu söylenebilir.
Matrices (2D Tensors): İki boyutlu bir sayı dizisi, bir matris veya 2D tensördür. Bir matrisin iki ekseni vardır (satırlar ve sütunlar).
Arrays (3D Tensors ve Daha Yüksek Boyutlu Tensörler): 3D tensörler diziler için kullanılmaktadır. 3D
tensörler bir dizide paketlenerek 4D ve 5D tensörler elde edilebilir.
Tensörlerin Kullanım Alanları
Vektör Verileri – 2D Tensors (Örneklemler, Öznitelikler)
Zaman Serileri Verileri – 3D Tensors (Örneklemler, Zaman Adımları, Öznitelikler)
Resimler – 4D Tensors (Örneklemler, Yükseklik, Genişlik, Kanallar)
Videolar- 5D Tensors (Örneklemler, Kareler, Yükseklik, Genişlik, Kanallar)