本章节介绍TensorFlow基础类型的定义以及张量的一些操作。其他部分前往：TensorFlow 学习目录
目录
一、张量tensor
tensor定义：看成是一个 n 维数组或者列表。
tensor属性：类型（type）、阶（rank）和形状（shape），这里着重注意其形状
(1)tensor 类型
(2)rank 阶：特指tensor的维度
[[1, 2, 3], [3, 4, 5]] # rank = 2
(3)shape 形状：特指tensor内部的组织关系。
a = [[1, 2, 3], [4, 5, 6]]
# a的shape = (2, 3)表示两行三列二、张量的相关操作
(1)类型转换
(2)数值操作
类型变换相关函数，下面的这些操作，都可以用作变量的一下初始赋值
(3)形状变换
改变tensor的形状，便于适应不同的神经网络的输入
(4)数据的操作
(5)算数运算
(6)矩阵的运算
(7)复数的运算
(8)规约计算
通过不同的方式对tensor进行将为操作，其中需要注意参数axis的默认值是None，表示把一个tensor降到0维度，也就是一个数。对于二维的tensor来说，axis=0，表示按列计算（一行一行向下操作），axis=1，表示按行计算（一列一列向右操作）。
(9)分割
该操作在TensorFlow中不常用，但是在复杂的网络模型中会被用到。
(10)序列比较和索引提取
(11)错误类：不常用，但是可以作为检查的工具
