Tensorflow教程（3）什麼是張量？什麼是數據流圖？

Tensorflow = Tensor（張量） + flow（數據流圖）

一、張量

張量可不是「麻辣燙」！張量是一個很抽象的概念，直觀的來講，張量在tensorflow中就像一個杯子，起到保存數據的做用，咱們也能夠把張量當作一個不一樣維度的數組。

0階的張量是一個標量，就是一個數值；

1階的張量是一個向量；

2階的張量是一個矩陣；

3階的張量是一個三維矩陣。

以此類推...

#定義0階張量
a = tf.constant(2.,name="a")
#定義1階張量
b = tf.constant([3],name="b")
#定義2階張量
c = tf.constant([[4,5]],name="c")
print(a)
print(b)
print(c)

輸出結果：

Tensor("a:0", shape=(), dtype=float32)
Tensor("b:0", shape=(1,), dtype=int32)
Tensor("c:0", shape=(1, 2), dtype=int32)

a、b、c三個張量分別是0階、1階、2階，能夠看出來Tensor有類型、形狀兩個屬性。

二、數據流圖

若是你們看過官方的教程，那麼對上圖確定很熟悉。所謂Tensorflow，簡單的說，就是tensor（張量）數據在圖中flow（流動）計算的過程。