TensorFlow深度学习算法原理与编程实战

大家好，我们的小鲸1号由于半夜太饿偷吃了老板的榨菜，今天早上已经被拖出去了，今天上岗的小鲸2号灰常灰常高级，来给大家讲讲深度学习算法_{怀念小鲸1号请点爱过（看过}）

今天给大家开始讲tensorflow方面的有关知识，tensorflow是目前一款十分流行的深度学习程序设计的框架工具，下面我们先对它做一个简要的介绍。Tensorflow是由 Google开发，是GitHub上最受欢迎的机器学习库之一。Tensorflow程序中的计算过程可以表示为一个计算图，计算图中的每一个运算操作可以视为一个结点(Node),每一个结点可以任意个输入和任意个输出，而在Node中流动的数据流我们就称之为张量(tensor), 张量(Tensor)就是在边中流动(Flow)的数据，Tensor Flow 之名的得来也是参考了上述概念。

张量的概念

张量可以简单理解为不同维度的数组。其中零阶张量的表示形式是标量(Scaler)，也就是普通的一个数；而一阶张量的表示形式是向量(vector)，也就是一维数组，二阶张量的表示形式也就是一个二维数组，多阶张量的表示形式就是一个多维数组，详情我们可以看下面这个图：

图1 不同大小的张量

虽然张量是可以直接做加减乘除的运算的，但是我们要注意的是张量只是引用了程序当中的运算结果而不是一个真正的数组，例如我们这段代码只是输出了张量的属性：

代码输出的并不是我们想的两个数组相加后的结果[5,5,5