第1章 Tensor运算与操作概述
https://tensorflow.google.cn/api_docs/python/tf
1.1 概述
TensorFlow提供了大量的张量运算与操作，基本上可以对标Numpy多维数组的运算，以支持对张量的各种复杂的运算。
这些操作运算中大多是对数组中每个元素执行相同的函数运算，并获得每个元素函数运算的结果序列，这些序列生成一个新的同维度的数组。
https://www.runoob.com/numpy/numpy-linear-algebra.html
不同维度张量的维度方向标识
- 随着张量维度的增加，张量维度的标识dim的范围也在扩宽
- 在张量维度扩展的过程中，维度标识值（dim=n）的含义也在发生变化。
- dim=0总是指向张量的多维数组存储的最外层：[ ] [ ] [ ], 这与物理存储的标识是相反的。
1.2 运算分类
（1）算术运算：加、减、系数乘、系数除
（2）函数运算：sin，cos
（3）取整运算：上取整、下取整
（4）统计运算：最大值、最小值、均值
（5）比较运算：大于，等于，小于、排序
（6）线性代数运算：矩阵、点乘、叉乘
1.3 张量的操作与变换
（1）变换内容: 变换张量元素的值。
（1）变换长度：变换张量的某个方向的长度（即向量的维度或长度），长度可增加，可减少。
（3）变换维度：变化张量的维度，维度可以增加，可减少。
1.4 环境准备
#环境准备
import numpy as np
import tensorflow as tf
print("hello world")
print("tensorflow version:", tf.__version__) 1.5 张量的操作 - 变形（reshape）
所谓张量的变形，就是改变张量的形状。
形状包括：张量的维度，不同维度方向上的长度。
一般情况下，变形前后，张量的总元素的个数和内容不变。