TensorFlow和PyTorch等主流的深度学习框架通常都提供了自己的张量（tensor）实现，用于表示和操作多维数组数据。这些张量一般都是高效的、可扩展的，并且支持自动求导等功能。
在使用深度学习框架时，通常会频繁地处理张量数据，进行各种计算和操作。因此，了解如何有效地使用框架提供的张量实现是很重要的。
C++作为一种高性能的编程语言，也可以用来编写深度学习模型和算法。一些深度学习框架也提供了C++接口，使得用户可以直接在C++中使用框架提供的功能。
因此，如果你习惯使用C++编程，也可以考虑使用C++与深度学习框架进行开发。在这种情况下，你可以使用框架提供的C++接口来操作张量数据，并且能够充分利用C++的性能优势来加速深度学习计算过程。