Tensorflow 张量笔记
一，Tensor类型
可与Python类型对比学习
| Tensor类型 | Python类型 | 描述 |
|---|---|---|
| DT_FLOAT | tf.float32 | 32位浮点数 |
| DT_DOUBLE | tf.float64 | 64位浮点数 |
| DT_INT64 | tf.int64 | 64位有符号整型 |
| DT_INT32 | tf.int32 | 32位有符号整型 |
| DT_INT16 | tf.int16 | 16位有符号整型 |
| DT_INT8 | tf.int8 | 8位有符号整形 |
| DT_UINT8 | tf.iunt8 | 8位无符号整形 |
| DT_STRING | tf.string | 可变长度的字节数组，每一个元素都是一个字节数组 |
| DT_BOOL | tf.bool | 布尔型 |
| DT_COMPLEX64 | tf.complex64 | 由两个32位浮点数组成的负数：实数和虚数 |
二，Rank（阶）
简单说就是维度
| Rank | 实例 | 例子 |
|---|---|---|
| 0 | 标量（大小） | a = 1 |
| 1 | 向量（大小、方向） | b = [1,1,1,1] |
| 2 | 矩阵（数据表） | c = [[1,1],[1,1]] |
| 3 | 3阶张量（数据立体） | d = [[[1,1],[1,1],[1,1]]] |
| n | n阶 | e = [[[…[1],[1],[1]…]]]（n层中括号） |
三，Shape（形状）
shape用于描述张量内部的组织关系
eg：a = [[1,2,3],[4,5,6],[7,8,9]]
shape是两行三列，描述为（2，3）
