テンソルテンソルすなわち、TFはスカラー、ベクトル、行列、多次元配列であってもよいコアデータ構造であります
プロパティ
データフォーマット
以下のようなtf.string、tf.float32、tf.int16、tf.int32、tf.complex64（複雑）、tf.bool
形状データ
1.形状はセッションせず、テンソル特性を直接得ることができる形状であります
2.形状は必ずしもコンパイル時に決定されていない、それが実行することによって推測することができます
注文：テンソルの次元
買収のためのセッションが必要です
例
tf.ones = D1（[3、2 ]） 印刷（d1.shape） ＃（3、2）形状を直接得ることができる、セッション無し N1 = tf.rank（D1） プリント（N1） ＃テンソル（「ランク：0 」、形状=（）、DTYPE = Int32）を直接セッションを必要とする順序を取得しない D2 = tf.constant（[[[1 ,. 1 ,. 1]、[2、2、2]]、[[3 ,. 3、 3]、[4 ,. 4 ,. 4。]]]） プリント（D2） ＃テンソル（ "のConst：0"、形状=（2,2 ,. 3）、DTYPE = Int32）を N2 = tf.rank（D2） TFとSESのAS .session（）： 印刷（sess.run（N1）） ＃2テンソル 印刷（sess.run（N2）） ＃3階のテンソル
TFは、さらにいくつかの特別なテンソルがあります
tf.constant定数
tf.Variable変数
tf.placeholderプレースホルダ
定数
それに注意してください。
1.操作の異なるタイプは一定ではありません
直接割り当てとしてPythonのような2定数変数
DEF定数（値、DTYPE =なし、形状=なし、名前= " のConst "）
例
＃##単一素子 D1のtf.constant =（1 ） D2 = tf.constant（2、DTYPE = tf.int32、NAME = ' INT ' ） D3 = tf.constant（3、DTYPE = tf.float32、名前= ' フロート' ） D4 = tf.add（D1、D2） ＃D1 + D3のD5 = ###動作データの異なる種類のできない D6 = D1 + D2 sess1 = tf.Session（） プリント（sess1.run（D4）） ＃3 ＃プリント（sess1.run（D5））###のfloat32タイプのInt32のタイプのエラー一致していない プリント（sess1.run（D6）） ＃3 プリント（タイプ（D6）） ＃<クラスのtensorflow.python.framework.ops.Tensor '> ＃##矩阵 D1 = tf.constant（[1、2 ]]） D2 = tf.constant（[[2 。]、[3 ]]） D3 = tf.matmul（D1、D2） ＃ ＃常数赋值 D2 = D1 sess2 = tf.Session（） プリント（sess2.run（D3）） ＃ [[8] 印刷（sess2.run（D2）） ＃[1。2.]]
参考文献：