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。

Tensorflow 张量 tensor_第1张图片

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)。

Tensorflow 张量 tensor_第2张图片

 

 

你可能感兴趣的:(Tensorflow深度学习,tensorflow,tensor)