基本概念: 标量、矢量、张量
Tensor：张量
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
阶 名称 说明 例子
0 数字标量（只有大小） 一个单纯的数字(0阶张量) var a = 1
1 矢量（大小和方向） 一个带方向感的点(1阶张量) var a = [1,2,3]
2 矩阵（数据表） 空间中一个面(2阶张量) var a = [ [1,2,3] , [2,3,4] , [3,4,5] ]
3 3阶张量(数据立体) 2阶张量中如果由三个1阶张量组成， var a = [ [ [1,2,3],[2,3,4],[3,4,5] ] , [ [5,6,7] , [7,5,3] , [8,9,5] ] ]
3阶张量由两个2阶张量组成，那么
3阶张量为两个平面相交切割的4个空间
4 4阶张量（数据立体） 2阶张量中如果由三个1阶张量组成， var a = [ [ [ [1,2,3] , [2,3,4] , [3,4,5] ] , [ [5,6,7] , [7,5,3] ,[8,9,5] ] ] ,
3阶张量由两个2阶张量组成， [ [ [3,2,4] , [6,7,8] , [0,8,5] ] , [ [3,4,7] , [8,5,2] , [5,8,1] ] ] ]
3阶张量为两个平面相交切割的4个空间，
4阶张量为两个3阶张量组成那么，
4阶张量为两个‘已切割成的4个空间’的相交部分
加上未相交部分的空间集合
n n阶张量（数据立体） 4阶逻辑可推演出n阶数据体空间集合 var a = [ [ [ [ [1,2,3] , [2,3,4] , [3,4,5] ] , [ [5,6,7] , [7,5,3] , [8,9,5] ] ] ,
(5阶数据举例) [ [ [3,2,4] , [6,7,8] , [0,8,5] ] , [ [3,4,7] , [8,5,2] , [5,8,1] ] ] ] ,
[ [ [ [7,2,3] , [6,3,4] , [3,4,5] ] , [ [5,6,7] , [7,5,3] , [8,9,5] ] ] ,
[ [ [2,2,4] , [1,7,8] , [0,8,5] ] , [ [3,4,7] , [8,5,2] , [5,8,1] ] ] ] ]
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
以上n阶空间集合：为tensorflow数据流将运行在以上数据体空间集合中