TensorFlow 是由 Google 开发的一个开源软件库，用于数据流编程和不同类型的机器学习算法。以下是 TensorFlow 的一些基础概念：
1. 张量（Tensor）
张量是 TensorFlow 的核心概念之一。它可以理解为多维数组，是 TensorFlow 操作和计算的基本数据单元。
- 一维张量：类似于 Python 中的列表。
- 二维张量：类似于 Python 中的二维数组或矩阵。
- 多维张量：三维或更高维的张量。
2. 操作（Operation）
操作是 TensorFlow 中的另一个核心概念。它是执行计算任务的函数，可以接受张量作为输入，并产生张量作为输出。
例如，add 操作可以将两个张量相加。
3. 会话（Session）
会话是 TensorFlow 运行的环境。它负责执行操作，并管理张量等资源。
在 TensorFlow 中，你可以通过创建一个会话来执行操作。
with tf.Session() as sess:
result = sess.run(add)
print(result)
4. 图（Graph）
图是 TensorFlow 的另一个核心概念。它是 TensorFlow 操作和计算的结构化表示。
在 TensorFlow 中，你可以通过构建图来定义计算流程。
a = tf.constant(5)
b = tf.constant(6)
add = tf.add(a, b)
with tf.Session() as sess:
print(sess.run(add))
扩展阅读
更多关于 TensorFlow 的信息，请访问我们的 TensorFlow 教程。