从零开始学习tensorflow2.0之熟悉tf2.0的数据
导入tensorflow2.0
安装tensorflow2.0,使用pip安装,在jupyter notebook之中
!pip install tensorflow
!pip install tensorflow-gpu
import tensorflow as tf
print(tf.__version__)2.0.0
2.0.0
tf中的常量
x = tf.constant(range(12))print(x.shape)
(12,)
查看x的具体数值
x
<tf.Tensor: id=0, shape=(12,), dtype=int32, numpy=array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11], dtype=int32)>
numpy类似的数组查看形状
x.shape
TensorShape([12])
len查看最外层的维度
len(x)
12
reshape函数
X = tf.reshape(x,(3,4))
X
<tf.Tensor: id=2, shape=(3, 4), dtype=int32, numpy=
array([[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]], dtype=int32)>
zeros生成全零
tf.zeros((2,3,4))
<tf.Tensor: id=5, shape=(2, 3, 4), dtype=float32, numpy=
array([[[0., 0., 0., 0.],[0., 0., 0., 0.],[0., 0., 0., 0.]],[[0., 0., 0., 0.],[0., 0., 0., 0.],[0., 0., 0., 0.]]], dtype=float32)>
生成全1
tf.ones((3,4))
<tf.Tensor: id=8, shape=(3, 4), dtype=float32, numpy=
array([[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.]], dtype=float32)>
tf的常量函数
Y = tf.constant([[2,1,4,3],[1,2,3,4],[4,3,2,1]])
Y
<tf.Tensor: id=9, shape=(3, 4), dtype=int32, numpy=
array([[2, 1, 4, 3],[1, 2, 3, 4],[4, 3, 2, 1]], dtype=int32)>
随机数生成normal正太分布
mean均值
stddev标准差
tf.random.normal(shape=[3,4], mean=0, stddev=1)
<tf.Tensor: id=15, shape=(3, 4), dtype=float32, numpy=
array([[ 0.32523802, 0.16670766, -0.9616322 , -2.0908153 ],[-0.6289028 , -1.7341328 , -0.5340057 , -0.9329763 ],[ 0.3420948 , -0.4493365 , -1.9651859 , -0.3556522 ]],dtype=float32)>
按元素相加
X + Y
<tf.Tensor: id=16, shape=(3, 4), dtype=int32, numpy=
array([[ 2, 2, 6, 6],[ 5, 7, 9, 11],[12, 12, 12, 12]], dtype=int32)>
按元素相乘
X * Y
<tf.Tensor: id=17, shape=(3, 4), dtype=int32, numpy=
array([[ 0, 1, 8, 9],[ 4, 10, 18, 28],[32, 27, 20, 11]], dtype=int32)>
按元素相除
X / Y
<tf.Tensor: id=20, shape=(3, 4), dtype=float64, numpy=
array([[ 0. , 1. , 0.5 , 1. ],[ 4. , 2.5 , 2. , 1.75],[ 2. , 3. , 5. , 11. ]])>
Y
<tf.Tensor: id=9, shape=(3, 4), dtype=int32, numpy=
array([[2, 1, 4, 3],[1, 2, 3, 4],[4, 3, 2, 1]], dtype=int32)>
转变数据类型int to float32
Y = tf.cast(Y, tf.float32)
Y
<tf.Tensor: id=21, shape=(3, 4), dtype=float32, numpy=
array([[2., 1., 4., 3.],[1., 2., 3., 4.],[4., 3., 2., 1.]], dtype=float32)>
Y = tf.cast(Y, tf.float32)
tf.exp(Y)
<tf.Tensor: id=22, shape=(3, 4), dtype=float32, numpy=
array([[ 7.389056 , 2.7182817, 54.598152 , 20.085537 ],[ 2.7182817, 7.389056 , 20.085537 , 54.598152 ],[54.59815 , 20.085537 , 7.389056 , 2.7182817]], dtype=float32)>
变成int
Y = tf.cast(Y, tf.int32)
tf.matmul(X, tf.transpose(Y))
<tf.Tensor: id=26, shape=(3, 3), dtype=int32, numpy=
array([[ 18, 20, 10],[ 58, 60, 50],[ 98, 100, 90]], dtype=int32)>
垂直拼接矩阵axis = 0
tf.concat([X,Y],axis = 0)
<tf.Tensor: id=28, shape=(6, 4), dtype=int32, numpy=
array([[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11],[ 2, 1, 4, 3],[ 1, 2, 3, 4],[ 4, 3, 2, 1]], dtype=int32)>
水平拼接 axis = 1
tf.concat([X,Y],axis = 1)
<tf.Tensor: id=34, shape=(3, 8), dtype=int32, numpy=
array([[ 0, 1, 2, 3, 2, 1, 4, 3],[ 4, 5, 6, 7, 1, 2, 3, 4],[ 8, 9, 10, 11, 4, 3, 2, 1]], dtype=int32)>
元素是否相等
tf.equal(X,Y)
<tf.Tensor: id=35, shape=(3, 4), dtype=bool, numpy=
array([[False, True, False, True],[False, False, False, False],[False, False, False, False]])>
所有元素求和
tf.reduce_sum(X)
<tf.Tensor: id=37, shape=(), dtype=int32, numpy=66>
求每个元素的平方和然后开方
X = tf.cast(X, tf.float32)
tf.norm(X)
<tf.Tensor: id=43, shape=(), dtype=float32, numpy=22.494444>
改变形状
A = tf.reshape(tf.constant(range(3)), (3,1))
B = tf.reshape(tf.constant(range(2)), (1,2))
A, B
(<tf.Tensor: id=46, shape=(3, 1), dtype=int32, numpy=array([[0],[1],[2]], dtype=int32)>,<tf.Tensor: id=49, shape=(1, 2), dtype=int32, numpy=array([[0, 1]], dtype=int32)>)
从零开始学习tensorflow2.0之熟悉tf2.0的数据相关推荐
- TF1.0与TF2.0的区别?,怎样将TF1.0代码转为TF2.0代码?
1.TF1.0与TF2.0的区别 2.API变动 3.如何升级 示例: TF1.0代码: TF2.0代码:
- vector 赋值_从零开始学习R语言(一)——数据结构之“向量”(Vector)
本文首发于知乎专栏:https://zhuanlan.zhihu.com/p/59688569 也同步更新于我的个人博客:https://www.cnblogs.com/nickwu/p/125370 ...
- TF2.0深度学习实战(一):分类问题之手写数字识别
前言: 本专栏将分享从零开始搭建神经网络的学习过程,力争打造最易上手的小白教程.在这过程中,我将使用谷歌TensorFlow2 框架逐一复现经典的卷积神经网络:LeNet-5.AlexNet.VGG系 ...
- TensorFlow2.0正式版发布,极简安装TF2.0(CPUGPU)教程
作者 | 小宋是呢 转载自CSDN博客 [导读]TensorFlow 2.0,昨天凌晨,正式放出了2.0版本. 不少网友表示,TensorFlow 2.0比PyTorch更好用,已经准备全面转向这个新 ...
- 从零开始学习SFR-- 1.0
从零开始学习SFR--1.0 镜头质量检测相关基础知识 1.分辨率 1.1光学分辨率和图像分辨率 1.2系统分辨率 1.3相机的像元.像素.相机分辨率 1.4镜头"像素"与镜头分辨 ...
- python从0开始学编程第四天第3讲_从零开始学习PYTHON3讲义(四)让程序更友好
<从零开始PYTHON3>第四讲 先看看上一讲的练习答案. 程序完成的是功能,功能来自于"程序需求"("需求"这个词忘记了什么意思的去复习一下第二讲 ...
- 『TensorFlow2.0正式版』TF2.0+Keras速成教程·零:开篇简介与环境准备
此篇教程参考自TensorFlow 2.0 + Keras Crash Course,在原文的基础上进行了适当的总结与改编,以适应于国内开发者的理解与使用,水平有限,如果写的不对的地方欢迎大家评论指出 ...
- 《从零开始学习ASP.NET MVC 1.0》-开天辟地入门篇
<从零开始学习ASP.NET MVC 1.0> 文章导航 (一) 开天辟地入门篇 (二) 识别URL的Routing组件 (三) Controller/Action 深入解析与应用实例 ( ...
- 软件测试难吗?0基础可以学吗?上手时间快吗?如何从零开始学习软件测试?
如何从零开始学习软件测试 很多朋友想要入行软件测试,但是都不知道该怎么学. 抽个时间简单的给大家说下,对于0基础的朋友,应该怎么去学习软件测试. 学习软件测试有2条路可以选. 最省事的当然是找个靠谱的 ...
最新文章
- Linux下配置使用外部SMTP发邮件
- 东北面人李---精品作品展
- idea中reload all from disk_SpringBoot IDEA中实现热部署
- mysql备份文件0kb_Oracle 数据文件大小为0kb或者文件丢失恢复
- Java 8中的新BigInteger方法
- Java里面的几种路径的区别
- Response常用方法
- Windows Mobile Web方式下载文件
- 简单解决某盘限速?(黑科技)【油猴】+【某盘直链下载器】+【IDM下载】
- html右下角固定广告,jQuery右下角悬浮广告
- 无法使用XXXX附加到应用程序解决办法
- Excel ----- 身份证自动判断男女 公式
- SpringBoot31 整合SpringJDBC、整合MyBatis、利用AOP实现多数据源
- 【Chrome】678- Chrome插件开发全攻略
- 数据结构与算法的个人学习经验小结(总)
- vtd和vt的区别_英语中v,vi,vt有什么区别
- fatal: unable to connect to gitlab.domian: gitlab.domian : Temporary failure in name resolution
- 解读CUDA Compiler Driver NVCC - Ch.3
- 实训小笔记之—产品经理能力模型
- 【CCNP | 网络模拟器GNS系列】安装、配置和使用 GNS3