好了，咱们今天终于进入了现阶段机器学习领域内最流行的一个框架啦——TensorFlow。对的，这款由谷歌开发的机器学习框架非常的简单易用并且得到了几乎所有主流的认可，谷歌为了推广它的这个框架甚至单独开辟了免费学习这个框架的视频教程，可惜这些教程都是基于TensorFlow1.0版本的，一直没有更新。现在都是TensorFlow2.0版本了，其中的开发的API的变化非常非常大，很多都是不兼容的，非常坑，如果大家还是觉得要跳坑，我不拦着哈。它的应用的官方视频教程的地址是https://developers.google.com/machine-learning/crash-course/ml-intro ，虽然这个视频的覆盖面比较广，但是它也有几个最大的缺点：1，就像上面指出来的，它的教程是基于1.0版本的，如果你把它放到最新的TensorFlow中去运行，你会发现一大堆的错误；2，它的视频的内容深度很浅很浅，基本就是随便讲几个API；所以综上所述，大家可以参考参考它的视频，但是一定不要钻牛角尖，否则你会发现很痛苦的。好了，那么咱们就来进入到咱们今天的主题，那就是TensorFlow中的Tensor和dataset对象。正所谓基础不牢，地动山摇，而tensor和dataset就是TensorFlow中的基础中的基础。大家都知道TensorFlow的主要任务就是处理数据的，而TensorFlow中的数据基本格式就是tensor和dataset，所以咱们肯定得要重视起来。这节内容呢，咱们先讲一讲TensorFlow操作对象的数据格式，以及TensorFlow中基本的数据对象。
Tensor
Tensor其实翻译过来就是张量的意思，这里我不解释什么是张量，咱们就把它看成一个对象object，然后这个object里面有存储数据和其他一些属性，例如shape，dtype等等。为了更加形象的展示一下在TensorFlow中tensor到底长什么样子，咱们来看一个小例子如下
<tf.Tensor: id=835, shape=(2,), dtype=int32, numpy=array([4, 6])>