Tensorflow数据模型-----张量的使用

张量的使用可以分为两大类：

   1：对中间计算结果的引用，当一个计算包含很多中间结果时，使用张量可以大大提升代码的可读性，给出一例：

#可读性较强

a = tf.constant([1.0,2.0],name = "a")
b = tf.constant([3.0,4.0],name = "b")
result = a + b

#直接计算 这样可能会可读性差

result = tf.constant([1.0,2.0],name = "a") + tf.constant([3.0,4.0],name = "b")

a,b即为对常量生成这个运算结果的引用，这个在加发是就可以直接引用这两个常量，而不需要再去生成新的常量。比如在构建深层次的神经网络时，通过引用中间结果是使代码可阅读性大大增加，同时还可以方便的获取中间结果，在卷积神经网络中，卷积层和pooling会改变张量的维度，通过result.get_shape 函数来获取结果张量维度信息。

     在上一节中，是否记得我们想要计算一个两个列表的相加，可是最终却只获得了一个张量的结构，那怎么办呢？下一节中我们将引如Tensorflow的运行模型。