Tensorflow教程（3）什么是張量？什么是數據流圖？

Tensorflow = Tensor（張量） + flow（數據流圖）

1、張量

張量可不是“麻辣燙”！張量是一個很抽象的概念，直觀的來說，張量在tensorflow中就像一個杯子，起到保存數據的作用，我們也可以把張量看成一個不同維度的數組。

0階的張量是一個標量，就是一個數值；

1階的張量是一個向量；

2階的張量是一個矩陣；

3階的張量是一個三維矩陣。

以此類推...

#定義0階張量
a = tf.constant(2.,name="a")
#定義1階張量
b = tf.constant([3],name="b")
#定義2階張量
c = tf.constant([[4,5]],name="c")
print(a)
print(b)
print(c)

輸出結果：

Tensor("a:0", shape=(), dtype=float32)
Tensor("b:0", shape=(1,), dtype=int32)
Tensor("c:0", shape=(1, 2), dtype=int32)

a、b、c三個張量分別是0階、1階、2階，可以看出來Tensor有類型、形狀兩個屬性。

2、數據流圖

如果大家看過官方的教程，那么對上圖肯定很熟悉。所謂Tensorflow，簡單的說，就是tensor（張量）數據在圖中flow（流動）計算的過程。

import tensorflow as tf
tf.reset_default_graph()

with tf.variable_scope("a"):
    a = tf.constant(1,name="a")

with tf.variable_scope("b"):
    b = tf.constant(2,name="b")

with tf.variable_scope("c"):
    c = tf.constant(3,name="c")

output1 = tf.add(a,b,name="out1")
output2 = tf.add(c,output1,name="out2")
write = tf.summary.FileWriter("E://logs",tf.get_default_graph())
write.close()

我這里使用tensorboard來查看數據流圖，將數據流圖存儲在e://logs目錄下，然后終端執行：

tensorboard --logdir=e://logs//

打開tensorboard可以看到如圖結果：

這個數據流圖就為我們很好的演示了“tensor（張量）數據在圖中flow（流動）計算的過程”。我們定義三個張量a，b，c，其中out1=a+b，out2=out1+c，得到最終結果。