計算機中的標量機是指只是一個數一個數地進行計算的加工處理方法，區別于向量機能夠對一批數據同時進行加工處理。標量機比向量機的運算速度慢，因此，向量機更適合于演算數據量多的大型科學、工程計算問題。

計算機（computer）俗稱電腦，是一種用于高速計算的電子計算機器，可以進行數值計算，又可以進行邏輯計算，還具有存儲記憶功能。是能夠按照程序運行，自動、高速處理海量數據的現代化智能電子設備。

1、標量

一個標量就是一個單獨的數，一般用小寫的的變量名稱表示。

2、向量

一個向量就是一列數，這些數是有序排列的。用過次序中的索引，我們可以確定每個單獨的數。通常會賦予向量粗體的小寫名稱。當我們需要明確表示向量中的元素時，我們會將元素排列成一個方括號包圍的縱柱：

我們可以把向量看作空間中的點，每個元素是不同的坐標軸上的坐標。

3、矩陣

矩陣是二維數組，其中的每一個元素被兩個索引而非一個所確定。我們通常會賦予矩陣粗體的大寫變量名稱，比如A。 如果一個實數矩陣高度為m，寬度為n，那么我們說 。

矩陣這東西在機器學習中就不要太重要了！實際上，如果我們現在有N個用戶的數據，每條數據含有M個特征，那其實它對應的就是一個N*M的矩陣呀；再比如，一張圖由16*16的像素點組成，那這就是一個16*16的矩陣了。現在才發現，我們大一學的矩陣原理原來這么的有用！要是當時老師講課的時候先普及一下，也不至于很多同學學矩陣的時候覺得莫名其妙了。

4、張量

幾何代數中定義的張量是基于向量和矩陣的推廣，通俗一點理解的話，我們可以將標量視為零階張量，矢量視為一階張量，那么矩陣就是二階張量。

例如，可以將任意一張彩色圖片表示成一個三階張量，三個維度分別是圖片的高度、寬度和色彩數據。將這張圖用張量表示出來，就是最下方的那張表格：

其中表的橫軸表示圖片的寬度值，這里只截取0~319；表的縱軸表示圖片的高度值，這里只截取0~4；表格中每個方格代表一個像素點，比如第一行第一列的表格數據為［1.0，1.0，1.0］，代表的就是RGB三原色在圖片的這個位置的取值情況（即R=1.0，G=1.0，B=1.0）。

當然我們還可以將這一定義繼續擴展，即：我們可以用四階張量表示一個包含多張圖片的數據集，這四個維度分別是：圖片在數據集中的編號，圖片高度、寬度，以及色彩數據。

張量在深度學習中是一個很重要的概念，因為它是一個深度學習框架中的一個核心組件，后續的所有運算和優化算法幾乎都是基于張量進行的。