인공지능 개념 - 벡터 vs 텐서

딥러닝이나 머신러닝 공부하다 보면 자주 나오는 개념인 텐서 표현과 벡터 표현이 헷갈릴 수 있어서 정리해봅니다.

벡터 vs 텐서

한 줄 요약:
벡터는 1차원 배열이고, 텐서는 0차원(스칼라)부터 여러 차원까지 포함하는 모든 데이터 구조입니다.

1. 기본 개념 비교

구분	벡터 (Vector)	텐서 (Tensor)
정의	1차원 수의 배열	n차원 수의 배열 (0차원~무한차원)
차원 예시	[1, 2, 3]	[[[...]]] 또는 (3, 4, 5) 등
포함 관계	텐서의 한 종류	벡터, 행렬 모두 포함하는 상위 개념
직관	일렬로 나열된 숫자	여러 격자 안에 배치된 숫자들

2. 코드 예시

벡터 (1차원):

v = np.array([2.0, 3.5, -1.2])

텐서 (3차원 이미지 RGB 예시):

image = torch.randn(32, 32, 3)

3. 텐서 차원별 예시

차원	이름	예시
0차원	스칼라 (Scalar)	5
1차원	벡터 (Vector)	[5, 2, 3]
2차원	행렬 (Matrix)	[[1, 2], [3, 4]]
3차원	텐서	이미지(RGB): (높이, 너비, 채널)
4차원 이상	고차원 텐서	배치 × 채널 × 높이 × 너비

4. 왜 딥러닝에서 중요한가?

딥러닝에서는 모든 입력, 출력, 중간 연산 결과가 텐서로 표현됩니다.
따라서 텐서를 잘 이해하는 것이 딥러닝의 핵심입니다.