TensorFlow学习（二）：变量常量类型

• 更新时间：2017.2.27
  tensorflow 1.0出来了，API和以前有了一些不一样，所以这里把把之前的代码迁移到新的上面去。

• 更新时间：2017.5.4
  对于一些性质有了新的认识。补充一些新的东西

• 更新时间：2019.3.7
  tensorflow 2.0出来了，把基本的代码风格向tensorflow 2.0转移。移除了placeholder和图的一些内容，精简了内容

这一部分内容的所有完整代码以及notebook，都可以在我的Github：LearningTensorFlow/2.constant_and_Variable/ 找到。

一.概览

还记的上节TensorFlow学习（一）：感受一下 的hello word的例子吗？是不是出现了一些新的编程思路和一个函数类等等。我们学任何一门编程语言的时候，都会讲一些量的操作，因为这是基本。这节的主要任务就是熟悉最基本的一些量怎么来定义。
先列出来，然后一个一个细讲。

类：

• 1.Tensor
• 2.Variable

函数

• 1.constant()
• 2.初始化变量的一些函数

二.基本类讲解

Ⅰ.tf.Tensor

官方文档：tf.Tensor
Tensor类应该是最基本最核心的数据结构了，他表示的是一个操作的输出，简单来说，你可以把这个当做一个结果或者是一个数据什么的。下面举一个简单例子直观感受一下。

import tensorflow as tf

#basic
a=tf.constant([[1,2],[3,4]])
b=tf.constant([[1,1],[0,1]])
print("a:",a)
print("b:",b)
print("type of a:",type(a))
c=tf.matmul(a,b)
print("c:",c)
print("c.numpy:\n",c.numpy())
print("type of c.numpy():",type(c.numpy()))
print("\n")

#attribute
print("device:",c.device)
print("dtype:",c.dtype)
print("shape:",type(c.shape))

结果：

a:
 tf.Tensor(
[[1 2]
 [3 4]], shape=(2, 2), dtype=int32)
b:
 tf.Tensor(
[[1 1]
 [0 1]], shape=(2, 2), dtype=int32)
type of a:
 <class 'tensorflow.python.framework.ops.EagerTensor'>
c:
 tf.Tensor(
[[1 3]
 [3 7]], shape=(2, 2), dtype=int32)
c.numpy:
 [[1 3]
 [3 7]]
type of c.numpy():
 <class 'numpy.ndarray'>


device: /job:localhost/replica:0/task:0/device:CPU:0
dtype: <dtype: 'int32'>
shape: <class 'tensorflow.python.framework.tensor_shape.TensorShape'>

分析：

一开始就用constant（）函数弄了两个tensor分别是a和b（下面有对于constant函数的介绍），然后我们直接输出a和b，然后我们把a和b这两个tensor传递给tf.matmul（）函数，这个函数是用来计算矩阵乘法的函数。返回的依然是tensor用c来接受。到这里为止，可以发现tensor里面并不负责仅仅储存值，想要得到最终的结果，还需要使用numpy（）转成最后的结果。
刚刚这里例子主要是形象的表示tensor到底是干嘛的，比抽象的去看要好。接下来就讲一下Tensor类的一些属性和函数成员。

常见属性：

• device:表示tensor将被产生的设备名称
• dtype：tensor元素类型
• shape：tensor的形状（返回的是tf.TensorShape这个表示tensor形状的类）
• value_index:表示这个tensor在其操作结果中的索引，注意，在eager execution模式下面，这个属性没哟意义。