一、Tensor概念

Tensor意思為張量，張量是什麼？張量具有維度，或者可有稱作為他的秩：Rank/Order

我們以陣列為對比，展示張量維度的概念：

 在上圖中，當在零維的時候，稱為標量；

當在一維的時候，就是我們經常提的向量；

當在二維的時候，就是我們經常提的矩陣；即Matrix

在多維的時候，就可以稱作n維的張量。

張量的概念是相對與標量，向量，矩陣這一系類概念的拓展

 二、Tensor的屬性

Tensor和Pyhton中的Numpy包有很多相似的屬性和用法：

 還有很多如device，name，graph等等。

三、常見的Tensor

1.Constant（常量）

Constant是值不能改變的一種Tensor

下面試引用的方法，要注意的是，我們要想輸出const，必須以建立session回話的方式，而不能直接列印

import tensorflow as tf

const = tf.constant(3)

下面是對constant的屬性設定：

constant(
    value,
    dtpye = None,
    shape = None,
    name = 'Const',
    verify_shape = False
)

2.Variable（變數） 

下面是對Variable的使用：

import tensorflow as tf

const = tf.variable

下面是Variable的建構函式

__init__(
    initial_value = None,
    trainable =True,
    collections = None,
    validate_shape = True,
    caching_device = None,
    name = None,
    variable_def = None,
    dtype = None,
    expected_shape = None,
    import_scope = None,
    constraint = None
)
 

3.placeholder（佔位符）

先佔住一個固定的位置，等著你之後往裡面新增值的一種Tensor

import tensorflow as tf

const = tf.placeholder

屬性如下：

placeholder(
    dtype
    shape = None,
    name = None
)

官網程式碼例項如下：

x = tf.placeholder(tf.float32, shape=(1024, 1024))
y = tf.matmul(x, x)

with tf.Session() as sess:
  print(sess.run(y))  # ERROR: will fail because x was not fed.

  rand_array = np.random.rand(1024, 1024)
  print(sess.run(y, feed_dict={x: rand_array}))  # Will succeed.

通過tf.float32指定資料型別，shape指定了1024*1024的矩陣；

使用feed_dict進行字典傳參。

4.SparseTensor（稀疏張量）

可以類比稀疏矩陣，稀疏矩陣的概念是：在矩陣中，若數值為0的元素數目遠遠多於非0元素的數目，並且非0元素分佈沒有規律時，則稱該矩陣為稀疏矩陣；與之相反，若非0元素數目佔大多數時，則稱該矩陣為稠密矩陣。定義非零元素的總數比上矩陣所有元素的總數為矩陣的稠密度。

ensorFlow表示一個稀疏張量，作為三個獨立的稠密張量：indices，values和dense_shape。在Python中，三個張量被集合到一個SparseTensor類中，以方便使用。如果你有單獨的indices，values和dense_shape張量，SparseTensor在傳遞給下面的操作之前，將它們包裝在一個物件中。 

具體來說，該稀疏張量SparseTensor(indices, values, dense_shape)包括以下元件，其中N和ndims分別是在SparseTensor中的值的數目和維度的數量：

• indices：density_shape[N, ndims]的2-D int64張量，指定稀疏張量中包含非零值（元素為零索引）的元素的索引。例如，indices=[[1,3], [2,4]]指定索引為[1,3]和[2,4]的元素具有非零值。
• values：任何型別和dense_shape [N]的一維張量，它提供了indices中的每個元素的值。例如，給定indices=[[1,3], [2,4]]的引數values=[18, 3.6]指定稀疏張量的元素[1,3]的值為18，張量的元素[2,4]的值為3.6。
• dense_shape：density_shape[ndims]的一個1-D int64張量，指定稀疏張量的dense_shape。獲取一個列表，指出每個維度中元素的數量。例如，dense_shape=[3,6]指定二維3x6張量，dense_shape=[2,3,4]指定三維2x3x4張量，並且dense_shape=[9]指定具有9個元素的一維張量。

SparseTensor(indices=[[0, 0], [1, 2]], values=[1, 2], dense_shape=[3, 4])

[[1, 0, 0, 0]
 [0, 0, 2, 0]
 [0, 0, 0, 0]]

init方法：

__init__(
    indices,
    values,
    dense_shape
)