张量可以被简单理解为多维数组。

张量维数

a = tf.constant([1,2,3]) #a为一维张量

打印a的值和结构

sess = tf.Session()
print(sess.run(a))
print a #打印a的结构

结果

[1 2 3]
Tensor("Const:0", shape=(3,), dtype=int32)#a的结构 

定义b

b = tf.constant([[7,8,9],[10,11,12]])#b为二维张量

打印结果

[[ 7  8  9]
 [10 11 12]]
Tensor("Const:0", shape=(2, 3), dtype=int32) 

其中，外层中括号代表第一维度，对应shape=（2,3）中的第一个数2,2代表在这一维度有两个元素，即[7 8 9]和[10
11 12]。内层中括号代表第二维度，对应shape=（2,3）中的第二个数3,3代表在这一维度有三个元素，对[7 8 9
]来说有7,8,9这三个元素，对[10 11 12]来说有10,11,12这三个元素。

若维数继续增加，定义时在最内层中括号内增加中括号。

定义c

c = tf.constant([[[7,8],[10,11]],[[1,2],[3,4]]])

打印结果

[[[ 7  8]
  [10 11]]

 [[ 1  2]
  [ 3  4]]]
Tensor("Const_1:0", shape=(2, 2, 2), dtype=int32)

其中，最外层中括号下的第一维度有两个元素

[[ 7  8]
  [10 11]]

和

[[ 1  2]
  [ 3  4]]

第二维和第三维与a和b的理解相同。