什么是张量？

张量（Tensor）是TensorFlow的核心概念，可视为多维数组的泛化形式。

  • 标量：0维张量（如数字 5）
  • 向量：1维张量（如 [1, 2, 3]）
  • 矩阵：2维张量（如 [[1, 2], [3, 4]]）
  • 高维张量：3D及以上（如图像数据 shape=(224, 224, 3)）
张量_示意图

张量是数据在计算图中的基本载体，理解其本质是掌握TensorFlow的关键第一步！

计算图（Graph）基础

计算图定义了操作（Ops）之间的依赖关系，是TensorFlow的执行框架。

  1. 节点：代表数据（张量）或操作（如加减乘除）
  2. 边：表示张量的流动方向
  3. 会话（Session）：用于执行图中的操作
计算图_结构图

想更深入学习变量与操作？点击Variables与Ops详解继续探索！

实践示例

import tensorflow as tf

# 创建一个计算图
graph = tf.Graph()
with graph.as_default():
    # 定义张量
    a = tf.constant(5, name="a")
    b = tf.constant(3, name="b")
    # 定义操作
    c = tf.add(a, b, name="add")
    # 运行会话
    with tf.Session() as sess:
        result = sess.run(c)
        print("计算结果：", result)

🚀 通过计算图，你可以高效管理复杂的AI模型训练流程！

扩展学习

📘 本站提供完整的TensorFlow学习路径，从基础到进阶一网打尽！