Tensor(张量)的简介与运用

本文共409个字,预计阅读时间需要2分钟。

张量(Tensor)是一个很重要的概念。在TensorFlow中所有的数据都用张量来表示,当然张量可以被简单得理解为多维数组。

其中零阶张量表示标量(scalar),一阶张量表示向量(vector),n阶张量就是n阶数组。但是张量在TensorFlow中的实现并不想Numpy那样是数组的形式,而只是运算结果的引用,即是一种计算过程。

下面是一个实例:

计算结果:

Tensor(“add:0”, shape=(2,), dtype=float32)

[3. 5.]

可以看到其计算结果是一个结构

add代表的是名称(节点名称),0代表是来自节点的第几个输出

shape是数组的结构,是一个一维数组,它的长度为2

dtype是数据类型,注意要是a和b的类型不匹配此代码将无法执行

当然result只是定义了这样一个运算,实际上没有执行,需要session来run才能看到最终结果。

读者评分
[评分人数: 1 平均分: 5]

评论