本文共 688 字，大约阅读时间需要 2 分钟。

理解Tensor

Tensor的本质是一套计算流程，这是TensorFlow 2.0引入Eager Execution模式的关键。以前TensorFlow 1.x中，Tensor都是先定义计算图，执行时通过session计算结果。但在Eager Execution下，定义Tensor后，结果立即计算完毕。

Tensor与Numpy ndarray的区别

Numpy ndarray可以作为输入和输出，但进入TensorFlow后需转换为Tensor。除非不再使用，否则可以通过Tensor.numpy()导出。以下是转换过程：

c = np.array([[1, 2], [3, 4]])d = tf.constant(c)print(c)  # 输出numpy数组print(d)  # 输出Tensor

反之，Tensor可以用.numpy()转换为numpy数组：

e = d.numpy()print(e)  # 输出numpy数组

Tensor与TensorFlow Variable的区别

Tensor不可修改，TensorVariable可修改。例如：

g = tf.constant(100)g.assign(20)  # 错误，Tensor不可修改

而Variable可以修改：

h = tf.Variable(100)h.assign(50)

总结