TensorFlow的基本函数和数据类型

 张量及操作张量可以说是TensorFlow的标志，因为整个框架的名称TensorFlow就是张量流的意思。下面来一起全面地认识一下张量。

1．张量介绍TensorFlow程序使用tensor数据结构来代表所有的数据。

计算图中，操作间传递的数据都是Tensor。可以把tensor看为一个n维的数组或列表，每个tensor中包含了类型（type）、阶（rank）和形状（shape）。

（1）tensor类型为了方便理解，这里将tensor的类型与Python的类型放在一起做个比较，如表4-4所示。

2）rank（阶）

rank（阶）指的就是维度。但张量的阶和矩阵的阶并不是同一个概念，主要是看有几层中括号。例如，对于一个传统意义上的3阶矩阵a=[[1,2,3], [4,5,6], [7,8,9]]来讲，在张量中的阶数表示为2阶（因为它有两层中括号）。表4-5列出了标量、向量、矩阵的阶数。

（3）shape（形状）

shape（形状）用于描述张量内部的组织关系。“形状”可以通过Python中的整数列表或元组（int list或tuples）来表示，也可以用TensorFlow中的相关形状函数来表示。举例：一个二阶张量a = [[1, 2, 3], [4, 5, 6]]形状是两行三列，描述为（2,3)。

2．张量相关操作张量的相关操作包括类型转换、数值操作、形状变换操作。

（1）类型转换类型转换的相关函数如表4-6所示。

（2）数值操作数值操作的相关函数如表4-7所示。

（3）形状变换形状变换的相关函数如表4-8所示