張量
TensorFlow用張量這種數據結構來表示所有的數據.你可以把一個張量想象成一個n維的數組或列表.一個張量有一個靜態類型和動態類型的維數.張量可以在圖中的節點之間流通。
階
在TensorFlow系統中，張量的維數來被描述為階。但是張量的階和矩陣的階並不是同一個概念。張量的階（有時是關於如順序或度數或者是n維）是張量維數的一個數量描述。
比如，下面的張量（使用Python中list定義的）就是2階。
t = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]你可以認為一個二階張量就是我們平常所說的矩陣，一階張量可以認為是一個向量。對於一個二階張量你可以用語句t[i, j]來訪問其中的任何元素。而對於三階張量你可以用't[i, j, k]'來訪問其中的任何元素。
TensorFlow文檔中使用了三種記號來方便地描述張量的維度：階，形狀以及維數.下表展示了他們之間的關系：
數據類型
除了維度，Tensors有一個數據類型屬性.你可以為一個張量指定下列數據類型中的任意一個類型：
