張量是TensorFlow最主要的數據結構，張量是數學領域的概念，具體到TensorFlow中，一個張量就是一個張量類的實例，是綁定了相關運算的一個特定類型的多維數組。
1、張量的屬性：
- 所有張量都有一個靜態的類型和動態的維數，也就是說你可以實時的改變一個張量的內部結構。
- 只有張量類型的對象才能在計算圖的節點中傳遞。
- 張量的階（rank）：表示張量的維度，但跟矩陣的秩又不太一樣。它表示張量的維度的質量。
| 階 | 數學表示 |
| 0 | 標量（Scalar） |
| 1 | 向量（Vector） |
| 2 | 矩陣（Matrix） |
| 3 | 3維張量（3-tensor） |
| n | n維張量（n-tensor） |
- 張量的形狀（shape）:形如[[,][,]] ，或0階：比如單個數字2。下面舉個例子：
import tensorflow as tf
tens1 = tf.constant([[[1,2],[2,3]],[[3,4],[5,6]]])
sess = tf.session()
print(sess.run(tens1)[1,1,0])
#輸出結果爲5
#[1,1,0] 其中第一個1表示取[[3,4],[5,6]]
#第二個1表示取[5,6]
#第三個0表示取5
#所以結果爲5
- 張量的數據類型：這裏主要說一下tf.string，可變長度的字節數組，每一個張量元素都是一個字節數組。
2、張量的創建
- TensorFlow和numpy是可互操作的，通常調用eval()函數會返回numpy對象。該函數可以用作標準數值工具。（注：張量對象只是一個操作結果的符號化句柄，它並不持有該操作的結果。所以可以使用eval（）方法來獲取實際的值，等價於Session.run(tensor_to_eval) ）
- tf.convert_to_tensor()方法將python對象轉化爲tensor對象，可以是tensor對象、numpy數組、Python列表、Python標量。
