tensor： 張量

operation:  專門運算的操作節點

graph:  整個程式的結構, 圖

TensorBoard:  視覺化學習

run() :  運算程式的圖、會話

張量的階：

•     0 階： 標量（也叫純量） 只有大小，沒有方向。例子：s = 12
•     1 階： 向量 有大小和方向。例子： v = [1,2,3] 
•     2 階： 矩陣。 例子：  m = [[1,2],[2,3],[4,6]]
•     3 階： 資料立體。 例子：   t = [[[1],[3]], [[3],[4]]]
•     n 階： 自己想象。

1.  檢視 TensorFlow 版本

   import tensorflow as tf
   tf.__version__

2.  加、減、乘、除 四則運算

   import tensorflow as tf
   
   # 建立常數張量
   a = tf.constant(3)
   b = tf.constant(4)
   
   # 加法
   add = tf.add(a, b)
   
   # 減法
   sub = tf.subtract(a, b)
   
   # 乘法
   mul = tf.multiply(a, b)
   
   # 除法
   div = tf.divide(a, b)
   
   # 執行會話
   with tf.Session() as sess:
       print(sess.run([add, sub, mul, div]))
    
   

    

3.  矩陣運算

   import tensorflow as tf
   
   # 初始化 2 階張量 矩陣 a
   #  兩行三列
   # [[1, 3, 5],
   #  [7, 9, 11]]
   a = tf.constant([1,3,5,7,9,11], shape = [2, 3])
   
   # 初始化 2 階張量 矩陣 b
   #  兩行三列
   # [[ 7,  8],
   #  [ 9, 10],
   #  [11, 12]]
   b = tf.constant([7,8,9,10,11,12], shape = [3, 2])
   
   # 矩陣a * 矩陣b
   # 得到 兩行兩列 矩陣 c
   # [[ 89  98]
   #  [251 278]]
   c = tf.matmul(a, b)
   
   # 執行會話
   with tf.Session() as sess:
       print(sess.run(c))