Tensorとは何か（定義、次元、操作）

TensorFlowにおける「Tensor（テンソル）」は、データを表現・操作するための基本的なデータ構造であり、機械学習モデルのすべての入力・出力・内部計算はテンソルを介して行われます。以下に、テンソルの定義、次元、主な操作について詳しく説明します。

1. テンソルとは何か（定義）

テンソルとは、多次元配列（多軸を持つ数値のコンテナ）のことで、数学的にはスカラー（0次元）、ベクトル（1次元）、行列（2次元）などを含むより一般化された構造です。
TensorFlowでは、テンソルは以下の属性を持ちます：

  • データ型（dtype）：例 tf.float32, tf.int32 など

  • 形状（shape）：各次元のサイズ（例 [3, 4] など）

  • ランク（rank）：テンソルの次元数（例：2次元ならランク2）

TensorFlowのテンソルは tf.Tensor 型のオブジェクトとして表現され、NumPy配列に似たインターフェースを持ちます。

2. テンソルの次元（ランク）と例

ランク（次元数） 名称 例（形状） 説明
0 スカラー [] 単一の数値
1 ベクトル [3] 長さ3の一次元配列
2 行列 [3, 4] 3行4列の行列
3 3次元 [2, 3, 4] 2つの3行4列行列（テンソル）
4以上 高次元 [10, 28, 28, 1] 画像データ（例：28×28の画像10枚）

3. テンソルの生成と基本操作

テンソルの生成（例：Python + TensorFlow）

python
import tensorflow as tf

# スカラー
scalar = tf.constant(7)

# ベクトル
vector = tf.constant([1.0, 2.0, 3.0])

# 行列
matrix = tf.constant([[1, 2], [3, 4]])

# ランダムなテンソル（正規分布）
random_tensor = tf.random.normal([2, 3])

基本操作

TensorFlowではテンソルに対して様々な操作が可能です：

操作 関数例 説明
和・積などの演算 tf.add, tf.multiply, tf.matmul 要素ごとの演算や行列積
次元操作 tf.reshape, tf.expand_dims テンソルの形状を変形
スライス tensor[0:2, 1] 一部の要素を取り出す
転置 tf.transpose(tensor) 軸の入れ替え
統計関数 tf.reduce_mean, tf.reduce_sum 平均、合計などの集約処理

4. テンソルとNumPyの関係

TensorFlowのテンソルはNumPy配列と相互変換が可能です。

python
import numpy as np

np_array = np.array([[1, 2], [3, 4]])
tensor = tf.convert_to_tensor(np_array)

# TensorFlowのテンソルをNumPyに変換
np_from_tensor = tensor.numpy()

5. 実用上のポイント

  • TensorFlowのすべての演算（モデル構築・訓練・推論）はテンソルベースで行われます。

  • テンソルのランクやshapeを正確に理解することは、誤ったブロードキャストや行列積のバグを防ぐ上で重要です。

  • tf.Tensorは基本的に**イミュータブル（変更不可）**です。変化を伴う操作は新たなテンソルとして返されます。

まとめ

テンソルはTensorFlowにおけるデータの基本単位であり、多次元配列としての性質を持っています。ランク（次元数）と形状（shape）を意識しながら、演算・変換・スライスなどの操作を行うことが、機械学習モデルの構築において不可欠です。テンソルを正しく扱う力は、TensorFlowの効果的な活用の基盤となります。

生成日：2025/05/21