深度学习（二）：张量和基本运算

张量是一个类型化的n维数组（tf.Tensor）,是tensorflow基本数据格式，张量的阶就是数组的维度。

张量的属性：图，形状，名字，op,
print(a.graph) #输出程序所在的内存地址
print(a.shape) #输出张量a的维度，诺为0维，用（）表示，1维永（5）来表示，没固定就用 ？ 表示

张量形状的改变在在做深度学习的时候是经常用到的

张量的动态形状和静态形状：区别在于有没有形成成一个新的张量数据
对于静态形状来说，一旦张量固定了，就不能再次设置静态形状，更不能修改维度，（在numpy中，是把原来数据直接修改reshape）
eg:plt=tf.placeholder(tf.float32 , [None , 2])
#现在想要把None定下来，用plt.set_shape([3,2])
动态形状可以创建新的张量。 plt2=tf.reshape(plt , [2,3]) 但是元素总数不能变

关于运算API:
tf.cast([[1,2,3],[4,5,6]] , tf.float 32)
tf.concat(values,axis) 切片与扩展
a=[[1,2,3] , [4,5,6]] , b=[[7,8,9] , [10,11,12]],tf.concat([a,b] , axis=0) c.eval()
还有其他很多api在www.tensorflow.org中都有！！！