# tensorflow包括两个概念tensor和flow
tensor是张量 flow是流
张量可以理解成为一个多维数组
0阶张量可以表示:标量
1阶张量为向量 1维数组
……
但是张量的中并没保存真正的数字,只是对Tensorflow中运算结果的引用
# 张量a就是对常量生成的运算结果的引用
tensorflow计算结果
# 一个张量保存了三个属性 name shape type
name是张量的唯一标识符,也给出张量是如何计算出来的
shape
type每个张量会有唯一的类型,并会对每个参与运算的变量的类型进行检查
# 张量的用途
1、对中间结果的引用
2、计算图构造完成之后,获得计算结果。会话(session)可以得到具体的数字。
# 使用会话的模式
1、
sess = tf.Session()
sess.run(result)
sess.close()
2、通过python上下文管理器使用会话
with tf.Session() as sess:
sess.run(result)