核心要点

  • 能说清 Tensor 是不可变多维数组，计算的基本单元，带 rank（维数）、shape、dtype、device 属性

  • 能区分 Tensor（不可变，存数据/中间结果）与 tf.Variable（可变，存可训练权重，用 assign 更新）

  • 能举创建方式：tf.constant、tf.zeros、tf.random.normal、tf.convert_to_tensor(np 数组)

  • 能说明 Eager 模式下运算立即求值，@tf.function 内张量在图中流动

标准回答

在 TensorFlow 中，Tensor 是不可变的多维数组，是计算的基本单元（类似 NumPy ndarray + 元数据）。

属性：

  • rank（阶）：维度数，标量 rank=0，向量 rank=1
  • shape：各维大小，如 (batch, 28, 28, 3)
  • dtype：float32、int64 等
  • device：/CPU:0、/GPU:0

创建：

python
tf.constant([[1, 2], [3, 4]])
tf.zeros([2, 3])
tf.random.normal([batch, dim])
tf.convert_to_tensor(numpy_arr)

Tensor vs Variable：

Tensor Variable
可变性 不可变 可变（训练权重）
用途 数据、中间结果 模型参数

Eager 模式下运算立即求值；@tf.function 中张量在图中流动。与 PyTorch 张量概念对应，API 命名略有不同。

常见误区

⚠️ 常见踩坑

想原地修改 Tensor（如 t[0] = 1）来更新权重——Tensor 不可变，任何运算都返回新张量，可训练状态必须用 tf.Variable 的 assign/assign_add；另一个是混淆静态 shape 与动态 shape，对含未知维（None）的张量用 tensor.shape 拿到 None，应改用 tf.shape(tensor) 在运行时取真实维度。

追问

追问 1：Tensor 不可变如何「更新」权重？

权重不用普通 Tensor，而用 tf.Variable——它是可变容器，通过 var.assign(new)、assign_add(delta) 原地更新底层值。训练时 optimizer.apply_gradients 内部就是对各 trainable_variables 调 assign 类操作完成更新，而中间计算结果仍是不可变 Tensor。

追问 2：ragged tensor 是什么？

题库专题：TensorFlow 中的计算图是什么？

tf.RaggedTensor 表示各行长度不一的张量，适合变长序列——如一批长短不同的句子 token、嵌套列表——无需 padding 到等长。相比补 0 再加 mask，它省内存且语义清晰；tf.data、Keras 部分层支持直接处理。

题库延伸：与本追问相关的专题题 → TensorFlow 中的计算图是什么？

追问 3：Eager Tensor 和 Graph Tensor？

题库专题：TensorFlow 中的计算图是什么？

Eager Tensor 是即时执行下的真实张量，持有具体数值，可 .numpy() 取值、直接打印；Graph Tensor（symbolic tensor）出现在 @tf.function 追踪或 Keras Functional 构图时，只是图中占位符、没有具体值，对它调 .numpy() 会报错。理解这点能解释为何在 tf.function 里 print 张量打印的是符号而非数值。

题库延伸：与本追问相关的专题题 → TensorFlow 中的计算图是什么？

延伸学习

与本题相关的知识库文章、术语、工具与行业资讯。

📚 知识库

📖 术语表

📰 AI 资讯

🛠️ AI 工具

  • Pytorch

    Meta 开源的深度学习框架，100K+ stars。以动态计算图和 Pythonic 风格著称，在学术界和工业界都有广泛应用，支持分布式训练、移动端部署和 ONNX 导出

  • Tensorflow

    全球最流行的机器学习框架之一，195K+ stars。Google 开源的端到端 ML 平台，支持 TensorFlow、Keras 等多种 API，覆盖深度学习、强化学习、移动端部署等全场景，是 AI 工程师的必备工具

  • Keras

    深度学习框架，64,020+ stars。高级神经网络 API，支持 TensorFlow、JAX、PyTorch 多后端。以用户友好著称，让深度学习从实验到生产的转化变得简单高效

🎯 相关面试题