前言
目前机器学习如火如荼，作为一名有志青年，Tensorflow作为目前众多机器学习框架中最火的一个，自然要学习一下。
刚接触Tensorflow的的人都会接触到Tensor,也就是『张量』，它到底是什么呢？
tensor (张量) 是什么
张量 = 容器
张量是现代机器学习的基础，它的核心其实是一个数据容器。大多情况下它包含数字，少数情况下也会包含字符串，你可以把它想象城一个数字的水桶。
- 0维张量(标量) 装在张量里的每个数字称为【标量】，标量是一个数字
- 1维张量也被称为向量
- 2维张量称为矩阵
- 3维张量，可看做把一系列的二维张量存储到水桶里，就形成了三维张量,它是一个数字构成的立方体。
我们可以继续堆叠立方体，创建一个越来越大的张量，组成4维、5维张量、n维张量。
下面图片是对张量从直观上给出的示意。一阶张量可以理解成一个向量，二阶张量可以理解成矩阵，三阶张量可以理解成立方体，四阶张量可以理解成立方体组成的一个向量，五阶张量可以理解成立方体组成的矩阵，依次类推。 
rank就是上面提到的阶, 也就是张量是几维的数组。可以理解成 [ 的深度，直观上看就是有几层括号。
一个图像可以使用3个字段表示:
1
(width, height, color_depth) = 3D
但是，在机器学习中，经常要处理不止一张图片，而是要处理一个集合，可能有10000张图片，这样我们就会用到4D张量, 第四维就是样本的大小:
1
(sample_size, width, height, color_depth) = 4D
张量可以做各种变换操作，也就是说可以通过一些操作让张量流动（flow）起来。