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