tensor是tensorflow基礎的一個概念——張量。
Tensorflow用到了數據流圖，數據流圖包括數據（Data）、流（Flow）、圖（Graph）。Tensorflow裏的數據用到的都是tensor，所以谷歌起名爲tensorflow。
下面介紹張量幾個比較重要的概念
張量的維度（秩）：Rank/Order
Rank爲0、1、2時分別稱爲標量、向量和矩陣，Rank爲3時是3階張量，Rank大於3時是N階張量。這些標量、向量、矩陣和張量裏每一個元素被稱爲tensor element（張量的元素），且同一個張量裏元素的類型是保持一樣的。
Tensor的屬性
1.數據類型dtype d是data的首字母，type是類型的意思。tensor裏每一個元素的數據類型是一樣的。類似於Numpy中ndarray.dtype，tensorflow裏的數據類型可以有很多種，比方說tf.float32就是32位的浮點數，tf.int8就是8位的整型，tf.unit8就是8位的無符號整型，tf.string爲字符串等等。
2.形狀Shape 類似於Numpy中ndarray.shape，比方說一個2行3列的二維矩陣，他的形狀就是2行3列。
3.其他屬性 device是tensor在哪個設備上被計算出來的，graph是tensor所屬的圖，name是tensor的名字
,op是operation的縮寫是產生這個tensor的操作運算，對應圖上的結點，這些結點接收一些tensor作爲輸入並輸出一些tensor。還有等等屬性，可以查閱官網。
tensor和Numpy有很多共同的性質，tensorflow的作者應該參考了numpy（個人臆測）
幾種Tensor
1.Constant（常量）是值不能改變的一種tensor，定義在tf.constant這個類裏。
constant中有幾個屬性，value就是constant的數值，我們可以給他賦值，比方說0維的scalar，1維的Vector，2維的matrix或者是3維的張量。dtype、shape、name剛都有寫過，verify_shape是布爾值，用於驗證值的形狀。除了value外都不一定要指定，可以有默認的值但是必須要有一個value。
2.Variable（變量）是值可以改變的一種tensor，定義在tf.Variable這個類中。構造函數如下圖，我也看不懂其實。
3.Placeholder(佔位符）先佔住一個固定的位置，之後在往裏面添加值的一種Tensor。定義在tf.placeholder中。這裏只有三個屬性如下圖。並沒有value，因爲賦值後就不是佔位符了。只有dtype,shape,name三個屬性。賦值的機制用到了python中字典，即feed_dict。
x = tf.palceholder(tf.float32, shape=(1024, 1024))
y = tf.matmul(x, x)
with if.Session() as sess:
print(sess.run(y))
rand_array = np.random.rand(1024, 1024)
print(sess.run(y, feed_dict = {x: rand_array}))
- 1
- 2
- 3
- 4
- 5
- 6
比剛說官網的例子定義了x佔位符，數值類型是tf.float32，形狀是1024*1024的二維矩陣。在用會話正式運行圖的時候用feed_dict，首先給一個鍵後加真實的值。
4.SparseTensor(稀疏張量）是一種稀疏的Tensor，類似線代中稀疏矩陣。定義時只需要定義非0的數，其他的數會自動填充。
Tensor表示法
tf.Tensor就是名字，’Const’是名字。0是索引，表示張量是這個計算中產生的第幾個。shape=()是形狀，這個是標量所以是空，dtype爲數據類型。
