TensorFlow的基础概念03

张量的讲解：

import tensorflow as tf
#tensor 张量讲解

'''
在TensorFlow中，全部的数据都经过张量的形式来表示
从功能的角度，张量能够简单理解为多维数组
 零阶张量表示标量，也就是一个数；
 一阶张量为向量，也就是一维数组；
 张量能够理解为一个n维数组；
张量并无真正保存数字，它保存的是计算过程

属性：
名字
形状
类型
张量的形状：阶、形状、维数
'''
tens1 = tf.constant([[[1,2,2],[2,2,3]],
                     [[1, 2, 2], [2, 2, 3]],
                     [[1, 2, 2], [2, 2, 3]],
                     [[1, 2, 2], [2, 2, 3]]],name="tens1")

print(tens1)

#输出：Tensor("tens1:0", shape=(4, 2, 3), dtype=int32)
#理解4 2 3 的含义

import tensorflow as tf
#tensor 张量讲解2
#理解shape中的值



scalar = tf.constant(100)
print(scalar.get_shape())

vector = tf.constant([1,2,3,4,5])

print(vector.get_shape())

获取张量中的元素：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf
#获取张量中的元素
'''
阶为1的张量等价于向量
阶为2的张量等价于矩阵，经过[i,j]获取元素
阶为3的张量，经过t[i,j,k]获取元素
'''
tens1 = tf.constant([[[1,2],[2,3]],[[3,4],[5,6]]])

sess = tf.Session()
print(sess.run(tens1[1,1,0]))

sess.close()

#输出：5