工程师最小 Python:张量是什么、形状怎么读

导读：「AI说人话」让你知道大模型能干什么；通关正篇会拆 Transformer 骨架。中间缺一块：看见 (2, 16, 768) 不发慌。预备第 01 篇只办这一件事。

📚 系列导航 · 按你的定位选线

• AI说人话 / 进阶 / 番外：概念与用法
• AI杂谈 · 神器实测 · Hermes：热点 / 选型 / 源码 
• ▶ AI技术栈通关手册·预备篇（4 篇）：说人话 → 通关正篇的桥
• AI技术栈通关手册·正篇：从 Transformer 到部署

你正在读 · 第 0 阶段 · 预备 01/04 · 张量与形状

1. 先划重点：三句话版本

2. 开场：为啥说人话读完还是懵

你已经知道：大模型聊天、RAG 查资料、Agent 调工具。

一打开通关文章，却满屏：

bashx: (batch, seq_len, hidden_dim)

别慌，这是两套语言：说人话讲「能力」，通关讲「数据长什么样」。

预备篇不讲 Transformer 细节，先让你学会第二种语言的字母表。

2.1 本篇和既有系列的区别

3. 从冰箱里的鸡蛋盒说起

把「张量」想成可叠放的鸡蛋盒：

在代码里，人们习惯叫 tensor（张量）——你暂时把它读成「带形状的数组」就够。

bash标量     ·向量     · · · ·矩阵     · · ·         · · ·批量矩阵  [矩阵] [矩阵] [矩阵]   ← 最常见：一次处理多条样本

4. 形状（shape）：先念出每个数字

AI 代码里几乎处处是：

shape = (2, 8, 128) 

请强制养成习惯：从左往右念人话：

所以 (2, 8, 128) =

2 句话 × 每句 8 个 token × 每个 token 128 维特征。

不同框架维序偶有差别，但 「批量 · 长度 · 特征」 这种三维，在大模型里你会看到到腻。

5. 最小伪代码：创建一个张量长什么样

不必会 PyTorch API 全家桶，认这两句即可：

python# 伪代码：造一个「2 条样本 × 4 个位置 × 8 维」的块x.shape  →  (2, 4, 8)# 取出第 0 条样本、第 3 个位置的那根 8 维向量x[0, 3, :]   # 长度 8 的向量

索引直觉：先选哪一条 → 再选哪个位置 → 再看特征。

常见报错 size mismatch，人话就是：

左边以为是 (2, 8, 128)，右边给了 (2, 8, 64)——宽对不上，后面全白搭。

6. 为啥「形状」比公式重要

通关正篇会写：自注意力、FFN、残差……

每一块都可以先当成一个黑盒：

bash输入形状 ──► [某层] ──► 输出形状

很多层（Attention、FFN、残差）在 Decoder 里会保持：

bash(B, T, d)  ──►  (B, T, d)

只有最后输出头常常变成：

bash(B, T, d)  ──►  (B, T, vocab_size)   # 词表有多大，最后一维就有多大

你会发现：还没懂公式，只要形状对得上，就已经能跟着数据流走——这正是预备 04 和通关 01/02 要用的读图法。

7. 你暂时不必会的（刻意砍掉）

为了不吓跑说人话读者，本篇明确不讲：

• 类、装饰器、异步；
• 微积分；
• CUDA 内核怎么写；
• 完整训练脚本。

你只需要：看见 shape 能翻译成人话。环境安装、完整 notebook，走文末私信附件。

8. 工程上的坑

9. 六个洞察

10. 跟你有什么关系？

说人话读者： 这是你进入通关世界的字母表。会一点 Python 的人： 把「数组」升级成「带业务含义的维」。下一站： 预备 02——这些数字块上，模型到底在算什么乘加、为啥要 GPU。

11. 写在最后

你会用 ChatGPT，说明你已经跨过「敢碰 AI」； 会读 (B, T, d)，说明你开始跨过「敢碰结构」。

下一篇我们不讲架构名词，只讲一件事：模型几乎全在做矩阵乘加，以及显存/算力各自卡什么。

今日互动：用一句话翻译 shape=(4, 32, 256)？评论区打出来练练～

👍 点赞 + 在看，转给「说人话读完想进阶」的朋友。

📮 下期预告：《预备02 · 模型到底在算什么——矩阵乘、显存与硬件直觉》

11.1 📦 需要练手 notebook？

私信 「技术栈预备01」，领取最小张量读写示例（可选）。

「AI技术栈通关手册·预备篇」第 01 篇。为衔接正篇而作；不替代系统 Python 教程。