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。