参考：中国大学MOOC 北京大学 曹健《TensorFlow笔记》 基于TensorFlow的NN：用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。 张量（tensor）：多维数组 阶：张量的维数 维数　　阶　　名字　　例子 ...

张量的概念 TensorFlow中的Tensor就是张量，张量是数学对象，是对标量、向量、矩阵的泛化。我们可以直接理解成张量就是列表，就是多维数组。 张量的维数用阶来表示： 0阶张量 标量 单个值 例：a = 11阶张量 向量 1维数组 例：a = [1,2,3]2阶张量 矩阵 2维 ...

在TensorFlow中所有的数据都通过张量的形式表示，从功能上看张量可以被简单的理解为多维数据，其中零阶张量表示标量（一个数），第一阶张量为向量（一个一维数组），第n阶向量可以理解为一个n维数组。 但是TensorFlow中实现并不是直接采用数组的形式，它只是对TensorFlow中运算 ...

目录 张量的概念 创建张量 张量的数据类型 NumPy数据转换 固定张量 全0张量 全1张量 元素值相同的张量 随机数张量 正态分布 ...

...

1 排序 1.1 sort：返回排序后的Tensor import tensorflow as tf a = tf.random.shuffle(tf.range(6)) a tf.sort(a) # 默认是顺序排列 tf.sort ...

） import tensorflow as tf import numpy as np ...

下面是上面代码的输出结果: ...