TensorFlow的基礎概念03

張量的講解：

import tensorflow as tf
#tensor 張量講解

'''
在TensorFlow中，全部的數據都經過張量的形式來表示
從功能的角度，張量能夠簡單理解爲多維數組
 零階張量表示標量，也就是一個數；
 一階張量爲向量，也就是一維數組；
 張量能夠理解爲一個n維數組；
張量並無真正保存數字，它保存的是計算過程

屬性：
名字
形狀
類型
張量的形狀：階、形狀、維數
'''
tens1 = tf.constant([[[1,2,2],[2,2,3]],
                     [[1, 2, 2], [2, 2, 3]],
                     [[1, 2, 2], [2, 2, 3]],
                     [[1, 2, 2], [2, 2, 3]]],name="tens1")

print(tens1)

#輸出：Tensor("tens1:0", shape=(4, 2, 3), dtype=int32)
#理解4 2 3 的含義

import tensorflow as tf
#tensor 張量講解2
#理解shape中的值



scalar = tf.constant(100)
print(scalar.get_shape())

vector = tf.constant([1,2,3,4,5])

print(vector.get_shape())

獲取張量中的元素：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf
#獲取張量中的元素
'''
階爲1的張量等價於向量
階爲2的張量等價於矩陣，經過[i,j]獲取元素
階爲3的張量，經過t[i,j,k]獲取元素
'''
tens1 = tf.constant([[[1,2],[2,3]],[[3,4],[5,6]]])

sess = tf.Session()
print(sess.run(tens1[1,1,0]))

sess.close()

#輸出：5