TensorFlow数据模型——张量

张量是TensorFlow管理数据的形式。
在TensorFlow程序中，所有的数据都通过张量的形式来表示。从功能的角度上看，张量可以被简单理解为多维数组。但张量在TensorFlow中的实现并不是直接采用数组的形式，它只是对TensorFlow中的运算结果的引用。在张量中并没有真正保存数字，它保存的是如何得到这些数字的计算过程。

import tensorflow as tf

a = tf.constant([1.0, 2.0], name = "a")
b = tf.constant([2.0, 3.0], name = "b")

result = tf.add(a, b, name = "add")

print(result)

>>> Tensor("add:0", shape=(2,), dtype=float32)  # "node: src_output"

一个张量中主要保存了三个属性：名字name、维度shape和类型type。

一般通过指定dtype来明确指出变量或者常量的类型。TensorFlow支持14种不同的类型，主要包括实数(tf.float32、tf.float64)、整数（tf.int8、tf.int16、tf.int32、tf.int64、tf.uint8）、布尔型(tf.bool)和复数（tf.complex64、tf.complex128）。

张量的两个用途：对中间计算结果的引用、当计算图构造完成之后可以用来获得计算结果。

（最近更新：2019年04月12日）