17、TensorFlow基础：张量、图与会话详解

TensorFlow基础：张量、图与会话详解

1. Tensor简介

Tensor是TF中的基本数据单元，与NumPy中的数组类似，由整数、浮点数、字符和字符串等原始数据类型组成数组。

Tensor具有秩（rank）和形状（shape）两个重要属性。秩表示维度的数量，形状类似于NumPy数组的形状，返回每个维度内的元素数量。以下是一些Tensor的秩和形状示例：
| Tensor | Rank | Shape |
| ---- | ---- | ---- |
| 5 | 0 | () |
| [4, 8] | 1 | (2) |
| [[3, 1, 7], [1, 5, 2]] | 2 | (2, 2) |
| [[[8, 3]], [[11, 9]]] | 2 | (2, 1, 2) |

2. TF Core编程步骤

创建TF Core程序主要有两个步骤：
1. 构建计算图。
2. 运行计算图。

TF使用数据流图来表示程序中的计算，指定计算顺序后，在本地或远程机器的TF会话中执行。例如，有一个包含四个操作A、B、C和D的图，输入先进入操作A，然后传播到操作D。可以选择只执行图的一部分，而不必运行整个图。如果指定会话执行的目标是操作C，程序将运行到得到操作C的结果为止，操作D不会执行；如果目标是操作B，操作C和D都不会执行。

graph LR
    A[输入] --> A1(操作A)
    A1 --> B(操作B)
    B --> C(操作C)