텐서 (인공지능) 편집하기 (부분)

==인공지능 및 딥러닝 맥락에서의 역할==
인공지능 분야에서는 텐서를 데이터의 기본 단위로 사용하며, 신경망 내의 입력, 가중치, 중간 표현 등이 모두 텐서 형태로 표현된다.

주요 특징 및 사용 방식은 다음과 같다:
*'''데이터 표현'''
**이미지, 영상, 시계열, 자연어 임베딩 등 다양한 데이터는 여러 축을 가진 텐서 형태로 표현된다.
**예를 들어, 컬러 이미지 하나는 높이×너비×채널(예: RGB) 형태의 3차 텐서로 표현할 수 있다.

*'''연산 및 변환'''
**딥러닝 프레임워크(TensorFlow, PyTorch 등)는 텐서 간 덧셈, 곱셈, 전치, 브로드캐스팅(broadcasting), 축 변경 등 다양한 연산을 지원한다.
**자동 미분(gradient 계산)도 텐서 연산 그래프를 통해 수행된다.

*'''텐서 분해 및 차원 축소'''
**고차원 텐서의 정보를 요약하거나 숨겨진 구조를 찾기 위해 텐서 분해(tensor decomposition) 방법이 사용된다.
**대표적인 방법으로 CP 분해(CANDECOMP/PARAFAC), Tucker 분해 등이 있다.

*'''하드웨어 가속과 최적화'''
**GPU, TPU 등은 대규모 텐서 연산을 효율적으로 처리할 수 있도록 설계되어 있다.
**TPU는 텐서 곱 연산을 빠르게 수행하도록 최적화된 구조를 갖는다.