3.3　张量

3.3.1　张量的创建

我们在第2章中已经介绍了PyTorch中张量的定义。TensorFlow里，我们同样可以定义任意阶数的张量。

上面的代码中，我们定义了c0、c1、c2三种张量，它们都是常量。注意，TensorFlow中可以使用name参数对张量指定名称，这样做的好处是方便在TensorBoard里查看张量。关于TensorBoard，我们后面将会介绍。下面，使用print语句把这些张量打印出来。

　　　>>> print(c0)
　　　Tensor(″c0:0″, shape=(), dtype=int32)
　　　>>> print(c1)
　　　Tensor(″c1:0″, shape=(3,), dtype=int32)
　　　>>> print(c2)
　　　Tensor(″c2:0″, shape=(2, 2), dtype=int32)

我们发现，使用print语句打印一个张量只能打印出它的属性定义，并不能打印出它的值，要想查看一个张量的值还需要经过会话（Session）的运行，这正是TensorFlow的独特之处。关于会话，后面将会详细介绍。

3.3.2　张量的数学运算

TensorFlow中的张量同样可以进行常规的数学运算，请看下面几个例子。

　　　>>> a = tf.constant([[1, 2], [3, 4]], name=′a′)
　　　>>> b = tf.constant([[5, 6], [7, 8]], name=′b′)
　　　# 加法 add
　　　>>> tf.add(a, b, name=′add′)
　　　<tf.Tensor ′add:0′ shape=(2, 2) dtype=int32>
　　　# 减法 sub
　　　>>> tf.subtract(a, b, name=′sub′)
　　　<tf.Tensor ′sub:0′ shape=(2, 2) dtype=int32>

　　　# 对应元素相乘 multiply
　　　>>> tf.multiply(a, b, name=′multiply′)
　　　<tf.Tensor ′multiply:0′ shape=(2, 2) dtype=int32>

　　　# 矩阵相乘 matmul
　　　>>> tf.matmul(a, b, name=′matmul′)
　　　<tf.Tensor ′matmul:0′ shape=(2, 2) dtype=int32>

通过name参数的设置，除了可以给张量命名之外，还可以给运算类型命名。TensorFlow中，张量的数学运算和普通计算是不同的，保存的不是数值而是计算过程，需要在会话中计算结果。