在 TF 中，一个张量如下表述：
my_tensor = tf.constant(0., shape=[6,3,7])
print(my_tensor) # -> Tensor("Const_1:0", shape=(6, 3, 7), dtype=float32)
一个张量应该包含如下内容：
- 一个名字，它用于键值对的存储，用于后续的检索： Const: 0
- 一个形状描述， 描述数据的每一维度的元素个数：（6，3，7）
- 数据类型，比如 float32
从向量空间到实数域的多重线性映射(multilinear maps)
在 TensorFlow 中用 tensor 数据结构来代表所有的数据, 计算图中, 操作间传递的数据都是 tensor。
张量是一个拥有 n 维度的数组，并且其中的值都拥有相同的类型，比如整型，浮点型，布尔型等等。
张量可以用我们所说的形状来描述：我们用列表（或元祖）来描述我们的张量的每个维度的大小
| 不同维度的Tensor | 俗称 | 表示方法 |
|---|---|---|
| n 维度的张量 | 多维数组 | （D_0, D_1, D_2, ..., D_n-1） |
| W x H 大小的张量 | 矩阵 | （W, H） |
| 尺度是 W 的张量 | 向量 | （W, ） |
| ０维度的张量 | 标量 | （）或（1, ） |
注意： D_*，W，H 都是整型。
| Tensor 种类 | Annotation |
|---|---|
| 常值张量(constant) | 是不需要初始化的。 |
| 变量(Variable) | 是维护图执行过程中的状态信息的. 需要它来保持和更新参数值，是需要动态调整的。必须先通过 tf.global_variables_initializer() 初始化，然后才有值。 |
