TensorFlow基础知识——张量和会话

TensorFlow数据模型——张量

张量的概念

• 在tensorflow程序中，所有的数据都通过张量的形式表示。

• 张量可以被简单的理解为“多维数组”。零阶张量表示标量，也就是一个数；第一阶张量为向量，也就是一个一维数组；第n阶张量可以理解为一个n维数组。

• 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。

• 一个张量中主要保存了三个属性：名字（name），维度（shape），类型（type）
  名字：一个张量的唯一标识符，给出了张量是如何计算出来的
  维度：描述了一个张量的维度信息
  类型：每一个张量会有一个唯一的类型

张量的使用

• 对中间计算结果的引用。通过张量来存储中间结果，方便中间结果的获取
• 当计算图构造完成之后，张量可以用来获得计算结果，也就是得到真实的数字

---

TensorFlow运行模型——会话

• 会话拥有并管理tensorflow程序运行时的所有资源
• tensorflow中使用会话的模式一般有两种：
  一是需要明确调用会话生成函数和关闭会话函数