Tensorflow 张量 tensor

在tensorflow程序中，所有的数据都通过张量（tensor）的形式来表示。从功能的角度上看，张量可以被简单理解为多维数组。其中零阶张量表示标量（scalar），也就是一个数；一阶张量为向量（vector），也就是一个一维数组；第n阶张量可以理解为一个n维数组。但张量在Tensorflow中的实现并不是直接采用数组的形式，他只是对Temsorflow中运算结果的引用。在张量中并没有真正的保存数字，他保存的是如何得到这些数字的计算过程，还是以向量加法为例，当运行如下代码时，并不会得到加法的结果，而会得到对结果的一个引用。

从上面的代码可以看出Tensorflow中的张量和NumPy中的数组不同，Tensorflow计算的结果不是一个具体数字，而是一个张量的结构，，一个张量中主要保存了三个属性：名字（name）、维度（shape）和类型（type）。