Tensorflow:tf.Session()的两种用法与张量的基本理解

Tensorflow:tf.Session()的两种用法与张量的基本理解
Tensorflow:tf.Session()的两种用法与张量的基本理解_第1张图片
张量(tensor):张量简单的可以认为是多维数组,零阶张量表示标量(scalar),也就是一个数
一阶张量表示为向量(vector),也就是一个一维数组,第N阶张量可以理解为一个n维数组
一个张量中主要保存三个属性:name,shape,dtype
每一个张量的类型都是唯一的,类型不同时运算会报错

你可能感兴趣的:(Tensorflow:tf.Session()的两种用法与张量的基本理解)