Tensor

  在 TF 中，一个张量如下表述：

my_tensor = tf.constant(0., shape=[6,3,7])
print(my_tensor) # -> Tensor("Const_1:0", shape=(6, 3, 7), dtype=float32)

  一个张量应该包含如下内容：

• 一个名字，它用于键值对的存储，用于后续的检索： Const: 0
• 一个形状描述， 描述数据的每一维度的元素个数：（6，3，7）
• 数据类型，比如 float32

---

  从向量空间到实数域的多重线性映射(multilinear maps)。

  在 TensorFlow 中用 tensor 数据结构来代表所有的数据, 计算图中, 操作间传递的数据都是 tensor。

  张量是一个拥有 n 维度的数组，并且其中的值都拥有相同的类型，比如整型，浮点型，布尔型等等。

  张量可以用我们所说的形状来描述：我们用列表（或元祖）来描述我们的张量的每个维度的大小

不同维度的Tensor	俗称	表示方法
n 维度的张量	多维数组	（D_0, D_1, D_2, …, D_n-1）
W x H 大小的张量	矩阵	（W, H）
尺度是 W 的张量	向量	（W, ）
０维度的张量	标量	（）或（1, ）

  注意： D_*，W，H 都是整型。

---

Tensor 种类	Annotation
常值张量(constant)	是不需要初始化的。
变量(Variable)	是维护图执行过程中的状态信息的. 需要它来保持和更新参数值，是需要动态调整的。必须先通过 tf.global_variables_initializer() 初始化，然后才有值。

---

---