机器学习入门2：张量，操作，会话

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)