在TensorFlow程序中,所有的数据都由tensor数据结构来代表。即使在计算图中,操作间传递的数据也是Tensor
tensor在TensorFlow中并不是直接采用数组的形式,它只是对TensorFlow中计算结果的引用。也就是说在张量中并没有真正保存数字,它保存的是如何得到这些数字的计算过程
一个tensor的属性有名字(name)、类型(type)、形状(shape)、阶(rank)
tensor的名字(name)
名字(name)是张量的唯一标识符。张量的命名可以通过"node:src_output"的形式给出。其中node为节点名称,src_output表示当前张量来自节点的第几个输出。
例如:输出结果中的"add:0",说明result这个张量是计算节点"add"输出的第一个结果
tensor的类型(type)
tensor的形状(shape)
形状(shape)用于描述张量内部的组织关系。"形状"可以通过Python中的整数列表(int list)或元组(tuples)来表示,也可以用TensorFlow中的相关形状函数来表示。
例如:一个二阶张量a = [[1,2,3],[4,5,6]]形状是两行三列,描述为(2,3)。
tensor的阶(rank)
rank(阶)指的就是维度,张量的阶主要是看有几层中括号。
例如:对于一个传统意义上的4阶矩阵a = [[1,1,1],[5,5,6],[8,8,9],[9,8,9]]来讲,在张量中的阶数表示为2阶(因为它有两层中括号)。
张量-类型转换函数
http://t.csdn.cn/FS7YG
张量-数值操作函数http://t.csdnimg.cn/hmuvF
张量-形状变换相关函数http://t.csdnimg.cn/cUICu
张量-数据操作相关函数http://t.csdnimg.cn/3nyOQ
张量-算术操作函数http://t.csdnimg.cn/Y21HD
张量-矩阵操作函数http://t.csdnimg.cn/BA6jc
张量-复数操作函数http://t.csdnimg.cn/g2l9X
张量-规约计算http://t.csdnimg.cn/l0coU
张量-序列比较与索引提取http://t.csdnimg.cn/Cvdcw
