注意：使用Tensor参数的函数也可以接受tf.convert_to_tensor接受的任何内容。
接口列表整理
类型转换
tf.string_to_number(string_tensor, out_type=None, name=None)
说明：将输入Tensor中的每个字符串转换为指定的数字类型,输出一个新Tensor
tf.to_double(x, name='ToDouble')
说明：根据输入的Tensor新建一个相同的Tensor，类型为float64
tf.to_float(x, name='ToFloat')
说明：根据输入的Tensor新建一个相同的Tensor，类型为float32
tf.to_bfloat16(x, name='ToBFloat16')
说明：根据输入的Tensor新建一个相同的Tensor，类型为bfloat16
tf.to_int32(x, name='ToInt32')
说明：根据输入的Tensor新建一个相同的Tensor，类型为int32
tf.to_int64(x, name='ToInt64')
说明：根据输入的Tensor新建一个相同的Tensor，类型为int64
说明：根据输入的Tensor新建一个相同的Tensor，类型为参数指定类型
维度相关
说明：返回输入Tensor的维度信息，返回值本身是1维的Int32类型Tensor
说明：返回输入Tensor的内部元素个数，返回值是1个Int32类型的数字
说明：返回输入Tensor的等级，也就是定位到某个内部元素所需要的索引值个数
tf.reshape(tensor, shape, name=None)
说明：用输入Tensor内部的元素，按指定维度要求生成一个新Tensor
tf.squeeze(input, squeeze_dims=None, name=None)
说明：删除输入Tensor的所有1维，后面的参数是如果不想全删，指定需要删除的1维的位置，输出一个新的Tensor
tf.expand_dims(input, dim, name=None)
说明：在输入Tensor维度的指定位置插入一个尺寸为1的维度，输出一个新的Tensor
裁剪和合并
tf.slice(input_, begin, size, name=None)
说明：从输入Tensor中，begin位置开始取出size大小的内容，输出一个新Tensor
tf.split(split_dim, num_split, value, name='split')
说明：从输入Tensor中，指定split_dim维度分割成num_split份数，并输出num_split个新Tensor
tf.tile(input, multiples, name=None)
说明：将输入的Tensor，按指定维度指定倍数进行复制扩展，输出新Tensor
tf.pad(input, paddings, name=None)
说明：将输入的Tensor，在每一个维度上根据paddings设定填充0，输出新Tensor
tf.concat(concat_dim, values, name='concat')
说明：将输入的Tensor，按指定维度进行连接，输出新Tensor
说明：将输入的Tensor数组，合并成一个Tensor，以原数组索引作为合并后Tensor的新维度
tf.unpack(value, num=None, name='unpack')
说明：tf.pack的逆操作
tf.reverse_sequence(input, seq_lengths, seq_dim, name=None)
说明：将输入的Tensor按seq_lengths指定的长度左右翻转，输出新Tensor
tf.reverse(tensor, dims, name=None)
说明：将输入的Tensor按dims指定的维度左右翻转，输出新Tensor
tf.transpose(a, perm=None, name='transpose')
说明：将输入的Tensor按perm指定的维度顺序进行转置
tf.gather(params, indices, name=None)
说明：从输入的Tensor中按indices指定的位置取出值，拼接成一个新的Tensor
tf.dynamic_partition(data, partitions, num_partitions, name=None)
说明：根据partitons的内容是0还是1，对输入的data的内容进行分类。依次取出对应的内容组合成新的多个Tensor。
tf.dynamic_stitch(indices, data, name=None)
说明：根据indices列表指定的位置重新排列data内的元素，输出新Tensor
