TensorFlow数据模型——张量

tensor(张量)：在TensorFlow中，所有的数据都通过张量的形式来表示，但他保存的并不是数据，而是如何得到数据的计算过程。 

import tensorflow as tf
a=tf.constant([1,2])
b=tf.constant([2,3])
result=tf.add(a,b)
print result
with tf.Session() as sess:
    sess.run(result)

 从第5行可以看到，result的名字 :“Add_4:0” 说明这个张量是Add_4节点输出的第1个结果（编号从0开始），之所以为Add_4是因为在下先前输入了好几个add的方法； result的维度：shape=(2,) 说明这个张量是长度为2的一维数组 result的类型：dtype=int32 整形
 从倒数第2行可以看到，通过sess.run()显示出的运算结果为两个张量之和

 我们再单独输出a和b，查看a、b的本质

 关于shape，再多看一下多维数组的情况

 显然，这是一个长度为3的二维数组，是我定义的第15个常量型节点。