本节主要是对张量的类型，rank，shape做了初步的介绍，并且对函数的操作进行整理，使得自己在以后学习时更加方便一些
一、张量及类型
Tensorflow使用Tensor数据结构代表所有的数据。计算图中，操作之间的传递都是Tensor。
Tensor看作为一个n维的数组或者列表，每个Tensor中包含了类型（type）、阶（rank）、形状（shape）
（1）Tensor类型
将Tensor类型和python类型做对比：
（2） rank（阶）
rank（阶）指得维度。但张量的阶和矩阵的阶不是同一个概念，主要看有几层中括号。例如，对于传统的一个3阶矩阵来说
a = [[1,2,3],[4,5,6],[7,8,9]]来讲，在张量中的阶数表示为2阶（因为它有两层中括号）
标量、向量、矩阵的阶数
（3）shape（形状）
shape用于描述张量内部的组织关系。可以通过python中的整数列表或元组（int list 或tuples）表示，也可以用TensorFlow中的相关形状函数来表示。
例如：一个二阶张量a = [[1,2,3],[4,5,6],[7,8,9]]的形状是两行三列，描述为（2,3）
二、张量相关操作
张量的相关操作包括类型转换、数值操作、形状变换和数据操作。
（1）类型转换
相关函数如下表：
（2）数值操作
数值操作相关函数：
（3）形状变换
相关函数：
（4）数据操作
相关函数：
注意：
Tensorflow开头大代码都不能直接运行，必须放在session里
大家可以关注我和我小伙伴的公众号~~~这里有我和我的小伙伴不定时的更新一些python技术资料哦！！大家也可以留言，讨论一下技术问题，希望大家多多支持，关注一下啦，谢谢大家啦~~
