张量（tensor）即多维数组。张量的阶数：表示张量的维度，如下图所示：
|
维数 |
阶数 | 名字 | 实例 |
| 0-D | 0 | 标量scalar | s=1 |
| 1-D | 1 | 向量vector | s=[1,2,3,4] |
| 2-D | 2 | 矩阵matrix | m=[[1,2],[3,4]] |
| n-D | n | 张量tensor | t=[[[...]]] |
| 类型名 | tf.dtype | 实例 |
| 正型 | int32 | a = tf.constant(1) |
| 浮点型 | float32 | a = tf.constant(1.0 |
| double型 | float64 | a = tf.constant(1.0,dtype=tf.double) |
| bool型 | bool | a = tf.constant([True,False]) |
| 字符型 | string | a = tf.constant(‘hello,word!‘) |
代码示例：
import tensorflow as tf # 创建张量,下面以创建2*2的矩阵为例 a=tf.constant([[1,2],[3,4]]) # 创建一个常量 b=tf.zeros(shape=[2,2]) # 创建全为0的张量 c=tf.ones(shape=[2,2]) # 创建全为0的张量 d=tf.fill(dims=[2,2],value=1) # 创建一个填充值全为1的张量 # e=tf.random.normal(shape=[2,2],mean=0,stddev=1.0) # 创建正态分布随机数的张量 # f=tf.random.truncated_normal(shape=[2,2],mean=0,stddev=1.0) # 创建截断式正态分布随机数的张量 print(‘a:\n‘,a) print(‘b:\n‘,b) print(‘c:\n‘,c) print(‘d:\n‘,d)
输出结果：
a张量为: tf.Tensor( [[1 2] [3 4]], shape=(2, 2), dtype=int32) b张量为: tf.Tensor( [[0. 0.] [0. 0.]], shape=(2, 2), dtype=float32) c张量为: tf.Tensor( [[1. 1.] [1. 1.]], shape=(2, 2), dtype=float32) d张量为: tf.Tensor( [[1 1] [1 1]], shape=(2, 2), dtype=int32)
| 属性 | 说明 |
| tensor.name | 张量名，是一个tensor的唯一标识，创建时如果没有指定name，那么系统将自动分配一个name。 |
| tensor.shape | 形状，描述张量维度信息。 |
| tensor.dtype | 数据类型。 |
原文：https://www.cnblogs.com/dwithy/p/13993541.html