Tensorflow张量的阶、形状和数据类型
- 张量是具有统一类型（称为 dtype ）的多维数组，类似于numpy的多维数组np.array。我们可以使用张量来描述数学中变量和常量，例如标量（0维数组）、向量（1维数组）、矩阵（2维数组）等各种常量或变量。
- 张量的主要属性有三个，分别为形状（shape）、类型（dtype）和值（numpy ()），可以通过张量实例的shape、dtype属性和numpy ()方法来获取。我们可以通过tf.constant ()来创建常量张量。
- 张量的形状表示每个轴上的元素数量，例如[3, 2, 5]表示一个3维张量，第一个轴有3个元素，第二个轴有2个元素，第三个轴有5个元素。张量的阶表示张量的维数，也就是轴的数量，例如[3, 2, 5]表示一个3阶张量1。
- 张量的类型表示张量中元素的数据类型，例如tf.int32、tf.float16、tf.string等。张量中的所有元素必须具有相同的类型，否则会报错。我们可以在创建张量时指定类型，也可以使用tf.cast ()函数进行类型转换1。
- 可以对张量执行基本数学运算，包括加法、逐元素乘法和矩阵乘法。我们可以使用tf.add ()、tf.multiply ()、tf.matmul ()等函数，也可以使用运算符重载，例如+、*、@等1。
- 可以使用标准索引方式或切片方式来提取张量中的部分数据。例如，x[0]表示读取第一个元素或子张量，x[start:end:step]表示按照指定的开始位置、结束位置（不包含）和采样步长提取一段数据1。
- 可以使用tf.reshape ()函数来改变张量的形状，但是必须保证新形状和原形状具有相同的元素总数。tf.reshape ()函数不会复制数据，只会创建一个新的张量指向内存中相同的数据