1、学习内容:TenSorfloW基础,理解主要数据结构：张量，一个张量就是一个张量类的实例，是绑定了相关运算的一个特定类型的多维数组。1 .张量的阶张量的阶(rank)表征张量的维度，但是跟矩阵的秩(rank)不一样。它表示张量的维度的质量。阶为1的张量等价于向量，阶为2的张量等价于矩阵。对于一个阶为2的张量,通过tUi力就能获取它的每个元素。对于一个阶为3的张量，需要通过titj,用进行寻址，0Scalarscalar=10001Vectorvector=2,8,32Matrixmatrix=4,2,1,5,3,2,5,5,633-tensortensor=4,3,2,6,100,4,5,1L
2、4importtensorflowastftensl=tf.constant(1,2,2,3,3,4,5,6)printsess.run(tensl)1,1,052 .张量的形状：具体分析，对前文提到的3阶张量来说即tensor=4,3,2,6,100,4,5,1,4,其形状可以这样得到：最小中括号口内有一个数，记为L由3个这样的数构成第二个括号，记为3,又由三个第二个括号形式构成第三阶，记为3,故其形状从后向前书写即为(3,3,1),为三阶张量。importtensorflowastrtensl=tf.constant(l,2,2r3,3,4,5,6)tensl同理，最小为2,第二层为2,第
3、三层也为2,故形状输出ShaPe=(2,2,2)3.张量数据类型tf.float3232位浮点型tf.float6464位浮点型tf.int88位有符号整型tf.intl616位有符号整型tf.int3232位有符号整型tf.int6464位有符号整型tf.uint88位无符号整型tf.string可变长度的字节数组，每一个张量元素都是一个字节数组tf.bool布尔型4.创建张量：importtensorflowastfimportnumpyasnpsess=tf.SessionOxdata=np.array(1.,2.,3.,3.,2.,6.)x-tf.convert_to_tensor(x_data,dtype=tf.float32)注：tf.convert_to_tensor方法可以将python对象转化为tensor对象，输入可以是tensor对象、numpy数组、Python列表和Python标量。
