tensorflow2.0系列（1）：张量

接下来的几个博客中会分别介绍tensorflow的基本概念：tensor，operation，session和graph。我们想弄明白的是，tensor应该如何定义？tensor有哪些操作operation？什么是计算流图，如何构建？ tensor如何在计算流图中流动，实现模型的训练和预测？

tensor：张量

tensorflow的最基本数据结构就是张量，tensor。首先我们来看看如何定义tensor。tensor本质上是多维的数组，tf.Tensor与numpy的ndarray类似，也需要定义数据类型和维度。但是tf.Tensor定义的张量操作可以在GPU中加速（如果是tensorflow-gpu版本的话）.

Numpy的多维数组ndarray和tensorflow的张量tensor之间可以自由转换，例如：

tensor = tf.convert_to_tensor([2,3,4], dtype=tf.float64)
tensor
Out[74]: <tf.Tensor: id=251, shape=(3,), dtype=float64, numpy=array([2., 3., 4.])>
numpy_array = tensor.numpy()
numpy_array
Out[76]: array([2., 3., 4.])

tensor有三个基本属性：标签label，维度dimension和数据类型data type。

张量的数据类型

tf.dtypes 模块（module）定义了与数据类型相关的类和函数。Python Module(模块)，是一个文件，包含了Python对象定义和Python语句（definitions and statements）。文件名就是模块名加上后缀.py，在模块内部，模块名存储在全局变量__name__中，是一个string，可以直接在module中通过__name__引用到module name。
module是为了重复使用一些对象，比如类，函数，而将这些对象定义放在一个.py文件中，或是将一个较大的工程裁缝为多个.py文件而易于维护，每一个.py文件都是一个module。
tf.dtypes模块的说明文档：https://tensorflow.google.cn/api_docs/python/tf/dtypes

Dtype类

tf.dtypes中包括了一个类： Dtype, 定义了张量可以支持的数据类型，如下图所示：

函数

tf.as_type() ：定义Dtype类型对象

使用方法：

tf.dtypes.as_dtype(type_value)

type_value可以是tf.Dtype定义的数据类型，也可以是由tf.Dtype类型组成的枚举。

x = tf.constant([1.8, 2.2], dtype=tf.float32)
xint = tf.dtypes.as_type(tf.int32)