一、张量
1 tensorflow中所有的数据都是用张量来表示的
2 张量可以简单的理解为多维数组:
- 0阶张量=标量(scalar)=1个数
- 1阶张量=向量(vector)=1维数组
- n阶张量=n维数组
3 张量没有保存数字,保存的是计算过程
4 张量的属性
- Tensor(“Add:0”, shape=(), dtype=float32)
- 名字(name)=> Add是节点名称,0是来自节点的第几个输出
- 形状(shape)=> 张量的维度信息,shape=()=标量,shape=(n,)=向量
- 类型(type)=> 每个张量都有唯一的类型,类型不匹配会报错
5 张量的形状
可用三个术语描述张量的维度
- 阶(rank)
- 形状(shape)
- 维数(dimension number)
二、操作
1 计算图中的结果就是操作(operation)