tensorflow学习1：tensorflow中的tensor（张量）和Session（会话）

张量：

        张量（tensor）这个词第一次看到时会比较陌生，但是在TensorFlow命名中就包含这个词，可见他是非常重要的。它可以被简单的看做是多维数组，零阶张量表示标量，就是一个单纯的数。一阶张量就是一个向量，是一个一维数组，那么n维的张量就是一个n维的数组。但是它不是直接的采用数组的形式，而是对运算结果的引用。当运行代码时并不会直接得到结果。

从上面的结果可以看书张量主要包含名字，大小和类型，张量之间的计算必须得保证是相同类型，要是类型不同那么就会报错。

会话Session：

        在tensorflow中我们一般先定义运算的方式，再在Session中去运行这些运算方式。Session可以管理 tf 运行时的所有资源，帮助资源回收。通过run 函数对我们所要进行的运算进行操作。

可见上面的add函数不会进行加法计算，只有在Session中才可以。对于session的写法还有下面一种。

参考：莫烦python