快速上手tensorflow：tensor运算后的类型

利用tensorflow计算出导数时，其类型为列表的tensor，与其他单个tensor进行运算时，其结果的维度会发生变化，这里对其进行总结。

1. 网络

网络输入：x (numpy数组)

网络输出：u

主要运算：图

输出：

u: Tensor("strided_slice_72:0", shape=(?, 1), dtype=float32)

u_x: [<tf.Tensor 'gradients/concat_grad/Slice:0' shape=(?, 1) dtype=float32>]

        为输出u关于输入x的一阶导

u_x2: [<tf.Tensor 'gradients/concat_grad/Slice:0' shape=(?, 1) dtype=float32>]

        为输出u关于输入x的二阶导

​​​​​​​

2. 相互之间运算1：

u_x * u_x: 报错，同为装有tensorflow的列表

u_x[0] * u_x[0]: Tensor("mul_1346:0", shape=(?, 1), dtype=float32)

u * u: Tensor("mul_1347:0", shape=(?, 1), dtype=float32)

u * u_r: Tensor("mul_1348:0", shape=(1, ?, 1), dtype=float32)

u *u_r[0]: Tensor("mul_1349:0", shape=(?, 1), dtype=float32)

3. 相互之间运算2：

x: Tensor("x:0", shape=(?, 1), dtype=float32)

           为placeholder的数组

xs: Tensor("xs:0", shape=(), dtype=float32_ref)

           为tf.Variable(0.3, name="rs")

u / x: Tensor("truediv_55:0", shape=(?, 1), dtype=float32)

u / xs: Tensor("truediv_56:0", shape=(?, 1), dtype=float32)

u_x / x: Tensor("truediv_57:0", shape=(1, ?, 1), dtype=float32)

u_x / xs: Tensor("truediv_58:0", shape=(1, ?, 1), dtype=float32)

u_x[0] / x: Tensor("truediv_59:0", shape=(?, 1), dtype=float32)

u_x[0] / xs: Tensor("truediv_60:0", shape=(?, 1), dtype=float32)

4. 总结

①Tensor里第一个属性：add、sub由计算的最后一步操作决定；

②包含求导项（列表的tensor）时，维度会变成(1, ?, 1)；

如果想让最终的tensoorflow无列表，则需要将列表tensor都取[0]；

③列表型相加时，按照列表加法，会将两个列表组合起来。