Tensorflow教程(3)什么是张量?什么是数据流图?

Tensorflow = Tensor(张量) + flow(数据流图)

1、张量

张量可不是“麻辣烫”!张量是一个很抽象的概念,直观的来说,张量在tensorflow中就像一个杯子,起到保存数据的作用,我们也可以把张量看成一个不同维度的数组。

0阶的张量是一个标量,就是一个数值;

1阶的张量是一个向量;

2阶的张量是一个矩阵;

3阶的张量是一个三维矩阵。

以此类推...

#定义0阶张量
a = tf.constant(2.,name="a")
#定义1阶张量
b = tf.constant([3],name="b")
#定义2阶张量
c = tf.constant([[4,5]],name="c")
print(a)
print(b)
print(c)

输出结果:

Tensor("a:0", shape=(), dtype=float32)
Tensor("b:0", shape=(1,), dtype=int32)
Tensor("c:0", shape=(1, 2), dtype=int32)

a、b、c三个张量分别是0阶、1阶、2阶,可以看出来Tensor有类型、形状两个属性。

2、数据流图

Tensorflow教程(3)什么是张量?什么是数据流图?

如果大家看过官方的教程,那么对上图肯定很熟悉。所谓Tensorflow,简单的说,就是tensor(张量)数据在图中flow(流动)计算的过程。

上一篇:[Spring cloud 一步步实现广告系统] 16. 增量投送到kafka


下一篇:Tensorflow教程(2)Tensorflow的常用函数介绍