註解：

• 張量其實就是numpy裡面的陣列，是對numpy中陣列的封裝。

註解：

• "add:0"裡面的0沒有啥意義
• 如果再定義一個add加法，會顯示"add_1:0","add_2:0","add_3:0","add_4:0"......
• 張量的形狀是非常重要的。

import tensorflow as tf

#實現一個加法運算
a=tf.constant(5.0)
b=tf.constant(6.0)
sum1=tf.add(a,b)
#圖的定義，預設的這張圖，相當於是給程式分配一段記憶體
graph=tf.get_default_graph()

#placeholder是一個佔位符，在程式執行時提供資料
plt
 
=tf.placeholder(tf.float32,[None,3])  #也是一個op（操作、運算），只是佔位，沒有具體的資料，在sess.run()執行的時候提供資料
#[2,3]代表將填充一個2行3列的資料
#[None,3]代表訓練的時候，樣本數可能不固定

with tf.Session() as sess:
    print(a.graph) #列印張量所屬的預設圖
    print("-----張量的形狀：-------")
    print(a.shape)#列印張量的形狀
    print(plt.shape)#列印張量的形狀
    print("-----張量的字串描述：-------
 
")
    print(a.name)#列印張量的名字
    print("-----張量的操作名：-------")
    print(a.op)#列印張量的操作名

執行結果：

<tensorflow.python.framework.ops.Graph object at 0x000000001258DA08>
-----張量的形狀：-------
()
(?, 3)
-----張量的字串描述：-------
Const:0
-----張量的操作名：-------
name: "Const"
op: "Const"
attr {
  key: "dtype"
  value {
    type: DT_FLOAT
  }
}
attr {
  key: 
 
"value"
  value {
    tensor {
      dtype: DT_FLOAT
      tensor_shape {
      }
      float_val: 5.0
    }
  }
}


Process finished with exit code 0

註解：

• ()代表0維張量，就是一個數。

註解：

• 1維：5代表有5個數字
• 3維：（2,3,4）代表2張、3行、4列，一共有24個數據，每張表12個數據。