tensorflow的命名來源於本身的執行原理，tensor(張量)意味著N維陣列，flow（流）意味著基於資料流圖的計算，所以tensorflow字面理解為張量從流圖的一端流動到另一端的計算過程。

張量的維數又叫張量的階，是張量維數的一個數量描述。如下分別表示0維、1維、2維和3維的張量：

1    #維度為0的標量
[1,2,3]   #維度為1,一維向量
[[1,2],[3,4]]   #維度為2, 二維矩陣
[[[1,2],[3,4]],[[1,2],[3,4]]]   #維度為3,3維空間矩陣

張量的形狀以  [D0, D1, … Dn-1]  的形式表示，D0 到Dn 是任意的正整數。

如形狀[3,4]表示第一維有3個元素，第二維有4個元素，[3,4]表示一個3行4列的矩陣。

在形狀的中括號中有多少個數字，就代表這個張量是多少維的張量。

形狀的第二個元素要看張量中最左邊的第二個中括號中有幾個被逗號隔開的元素，有n2個則shape的第二個元素就是n2;形狀的第二個元素之後的第3,4…n個元素依次類推，分別看第n箇中括號中有幾個元素即可：

1    # 形狀為[]
[1,2,3]   # 形狀為[3]
[[1,2],[3,4]]   # 形狀為[2,2]
[[[1,2],[3,4]],[[1,2],[3,4]]]   # 形狀為[2,2,2]

張量的資料型別可以是以下資料型別中的任意一種：