Tensorflow中张量的定义与创建

一、张量的定义

Tensor即为张量，它是Tensorflow中最基础的数据结构，可理解为n维数组或矩阵，一般将零维的张量称为标量或者常数，一维的张量可理解为向量，二维张量可理解为矩阵，三维则是三维数组。

二、张量的创建

Tensorflow提供 constant 这个函数:

constant(value, dtype=None, shape=None, name="Const", verify_shape=False)

2.1 零维张量

t = tf.constant(1, tf.float32)

2.2 一维张量

t = tf.constant([1, 2, 3, 4], tf.float32)

2.3 二维张量

t = tf.constant(
	[
	[1, 2, 3, 4],
	[7, 8, 9, 10]
	], tf.float32
	)

2.4 三维张量

三维张量可以理解为多个二维张量在深度上的一个组合，

t = tf.constant(
	[
	[[1, 2], [3, 4]],
	[[5, 6], [7, 8]],
	[[9, 10],[11, 12]]
	], tf.float32
	)

该矩阵就相当于
[
[1, 3],
[5, 7],
[9, 11]
]
在第一个深度上，而
[
[2, 4],
[6, 8],
[10, 12]
]
在第二个深度上

2.5 四维张量

四维张量可以理解为多个三维张量

t = tf.constant(
	[
	# 第一个2行2列深度为2的三维张量
	[
	[[1, 2], [3, 4]],
	[[5, 6], [7, 8]]
	],
	# 第二个2行2列深度为2的三维向量
	[
	[[9, 10], [11, 12]],
	[[13, 14], [15, 16]]
	]
	]
	)