Tensorflow快餐教程(2) - 标量运算
Tensorflow的Tensor意为张量。一般如果是0维的数组,就是一个数据,我们称之为标是Scalar;1维的数组,称为向量Vector;2维的数组,称为矩阵Matrics;3维及以上的数组,称为张量Tensor。
在机器学习中,用途最广泛的是向量和矩阵的运算。这也是我们学习中的第一个难关。
不过,这一节我们先打标量的基础。
上节我们学过,Tensorflow的运行需要一个Session对象。下面代码中所用的sess都是通过
sess = tf.Session()
获取的Session对象,以下就都省略不写了。
标量Scalar
标量是指只有一个数字的结构。
我们尝试将一个整数赋给一个Tensorflow的常量,看看是什么效果:
>>> a10 = 1
>>> b10 = tf.constant(a10)
&