tensor(张量)

本文介绍了TensorFlow中张量的基本概念及其表示方法。张量作为TensorFlow中的核心数据结构,可以视为多维数组,用于存储和传递数据。文章通过实例演示了如何创建张量以及进行基本运算。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

tensor(张量)
说明:在TensorFlow中,所有的数据都通过张量的形式来表示。
特别是:TensorFlow计算结果是一个张量的结构:名字(name)、维度(shape)、类型(type)
功能:张量可以理解为多维数组。
零阶张量表示标量(scalar),也就是一个数。
一阶张量为向量(vector),也就是一个一维数组。
n阶张量可以理解为一个n维数组。
例子:

import tensorflow as tf

a=tf.constant([1.0,2.0],name="a")
b=tf.constant([2.0,3.0],name="b")
result=tf.add(a,b,name="sum")

print(result)

结果:
Tensor(“sum:0”, shape=(2,), dtype=float32)
[说明]:
sum:0 表示result这个张量是计算节点”sum”输出的第一个结果。
shape=(2,) 表示这是一个一维数组,数组中有2个元素。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值