Tensorflow資料模型張量

張量的概念：

the tensor means 張量，it is very important。在tensorflow 中所有的資料都可以通過張量來表示。可以被看作為多維陣列，0階張量為標量（scalar），也就是乙個數字，以此類推，，，這裡頗有道家老子的思想：「道生一，一生二，二生三，三生萬物」。

直接上tensorflow是怎麼處理加法的**：

import tensorflow as tf
a = tf.constant([1.0,2.0],name = "a")
b = tf.constant([2.0,3.0],name = "b")
result = tf.add(a,b,name = "add")
print(result)

結果會列印啥呢？

我猜大家一定會說是[3.0,5.0]，but！thinking it in your mind,what it is going on?

這裡引出乙個重要的結論：tensorflow 不像是 numpy 會直接對列表進行運算，tensorflow 執行的是乙個張量的結構，這裡可以模擬物件導向中的物件來理解，或者結構體也行,可能會更容易理解，乙個張量裡面包含的三個屬性：name 、shape（維度）、type。

這裡需要注意的是，型別不匹配會直接造成報錯。

import tensorflow as tfa = tf.constant([1,2],name = "a")b = tf.constant([2.0,3.0],name = "b")result = a + b

修改錯誤通常有兩種辦法：

1： [1,2]改為[1.0,2.0]

2：加入type指明變數的型別，just like ：

a=tf.constant([1,2],name = "a",type = tf.float32)

下一節繼續寫張量如何使用！！！！

Tensorflow資料模型 張量