TensorFlow 采用的基本数据单元被称为张量（tensor），张量可以看做是任意维度的数组。一个张量的秩（rank）是这个数组的维度个数。
形状就是张量的每个维度的维数。
3 # 这是一个标量，它的 rank 为 0，shape 为 []
[1, 2, 3] # 这是一个向量，它的 rank 为 1，shape 为 [3]
[[1., 2., 3.], [4., 5., 6.]] # 这是一个矩阵，它的 rank 为 2，shape 为 [2, 3]
[[[1., 2., 3.]], [[7., 8., 9.]]] # 这是一个 rank 为 3 的张量，它的 shape 为 [2, 1, 3]注：本文原稿未完整，仅记录了张量基本概念部分。