TensorFlow之张量

1 张量(Tensor) 【类似于numpy中的数组】

TensorFlow 的张量就是一个 n 维数组，类型为tf.Tensor。Tensor具有以下两个重要的属性

type:数据类型
shape:形状(阶)

1.1 张量的类型

1.2 张量的阶

形状有0阶、1阶、2阶….

tensor1 = tf.constant(4.0)
tensor2 = tf.constant([1, 2, 3, 4])
linear_squares = tf.constant([[4], [9], [16], [25]], dtype=tf.int32)print(tensor1.shape)
# 0维：()   1维：(10, )   2维：(3, 4)   3维：(3, 4, 5)

1.3 创建张量的指令

固定值张量

示例代码：

import osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tfzeros = tf.zeros([3, 5])
print(zeros)
print('#' * 50)zeros_like = tf.zeros_like(zeros)
print(zeros_like)
print('#' * 50)one = tf.ones([3, 4])
print(one)
print('#' * 50)ones_like = tf.ones_like(zeros)
print(ones_like)
print('#' * 50)

随机值张量

其它特殊的创建张量的op
- tf.Variable
- tf.placeholder

1.4 张量的变换

1.4.1 类型改变

示例代码：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tfone = tf.ones([3, 4])
print(one)
print('#' * 50)cast_one = tf.cast(one, tf.int32)
print(cast_one)

1.4.2 形状改变

TensorFlow的张量具有两种形状变换，动态形状和静态形状

tf.reshape
tf.set_shape

关于动态形状和静态形状必须符合以下规则

静态形状
- 转换静态形状的时候，1-D到1-D，2-D到2-D，不能跨阶数改变形状
- 对于已经固定的张量的静态形状的张量，不能再次设置静态形状
动态形状
- tf.reshape()动态创建新张量时，张量的元素个数必须匹配

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()def tensor_demo():"""张量的介绍:return:"""a = tf.constant(value=30.0, dtype=tf.float32, name="a")b = tf.constant([[1, 2], [3, 4]], dtype=tf.int32, name="b")a2 = tf.constant(value=30.0, dtype=tf.float32, name="a2")c = tf.placeholder(dtype=tf.float32, shape=[2, 3, 4], name="c")sum = tf.add(a, a2, name="my_add")print(a, a2, b, c)print(sum)# 获取张量属性print("a的图属性：\n", a.graph)print("b的名字：\n", b.name)print("a2的形状：\n", a2.shape)print("c的数据类型：\n", c.dtype)print("sum的op:\n", sum.op)# 获取静态形状print("b的静态形状：\n", b.get_shape())# 定义占位符a_p = tf.placeholder(dtype=tf.float32, shape=[None, None])b_p = tf.placeholder(dtype=tf.float32, shape=[None, 10])c_p = tf.placeholder(dtype=tf.float32, shape=[3, 2])# 获取静态形状print("a_p的静态形状为：\n", a_p.get_shape())print("b_p的静态形状为：\n", b_p.get_shape())print("c_p的静态形状为：\n", c_p.get_shape())# 形状更新# a_p.set_shape([2, 3])# 静态形状已经固定部分就不能修改了# b_p.set_shape([10, 3])# c_p.set_shape([2, 3])# 静态形状已经固定的部分包括它的阶数，如果阶数固定了，就不能跨阶更新形状# 如果想要跨阶改变形状，就要用动态形状# a_p.set_shape([1, 2, 3])# 获取静态形状print("a_p的静态形状为：\n", a_p.get_shape())print("b_p的静态形状为：\n", b_p.get_shape())print("c_p的静态形状为：\n", c_p.get_shape())# 动态形状# c_p_r = tf.reshape(c_p, [1, 2, 3])c_p_r = tf.reshape(c_p, [2, 3])# 动态形状，改变的时候，不能改变元素的总个数# c_p_r2 = tf.reshape(c_p, [3, 1])print("动态形状的结果：\n", c_p_r)# print("动态形状的结果2：\n", c_p_r2)return Noneif __name__ == '__main__':tensor_demo()

运行结果：

Tensor("a:0", shape=(), dtype=float32) Tensor("a2:0", shape=(), dtype=float32) Tensor("b:0", shape=(2, 2), dtype=int32) Tensor("c:0", shape=(2, 3, 4), dtype=float32)
Tensor("my_add:0", shape=(), dtype=float32)
a的图属性：<tensorflow.python.framework.ops.Graph object at 0x000001B2B7697608>
b的名字：b:0
a2的形状：()
c的数据类型：<dtype: 'float32'>
sum的op:name: "my_add"
op: "Add"
input: "a"
input: "a2"
attr {key: "T"value {type: DT_FLOAT}
}b的静态形状：(2, 2)
a_p的静态形状为：(?, ?)
b_p的静态形状为：(?, 10)
c_p的静态形状为：(3, 2)
a_p的静态形状为：(?, ?)
b_p的静态形状为：(?, 10)
c_p的静态形状为：(3, 2)
动态形状的结果：Tensor("Reshape:0", shape=(2, 3), dtype=float32)

1.5 张量的数学运算

算术运算符
基本数学函数
矩阵运算
reduce操作
序列索引操作

详细请参考: https://www.tensorflow.org/versions/r1.8/api_guides/python/math_ops

这些API使用，具体参考文档

TensorFlow之张量相关推荐

tensorflow 转张量类型为float_TensorFlow快速入门
TensorFlow是一个数值计算库,其中数据(Tensor,张量)在计算图中流动.数据在TensorFlow用被称为张量的n维数据表示.计算图由数据和数学操作符构成. 计算图中的节点代表数学操作符 ...
tensorflow 转张量类型为float_5个简单的步骤掌握Tensorflow的Tensor
在这篇文章中,我们将深入研究Tensorflow Tensor的细节.我们将在以下五个简单步骤中介绍与Tensorflow的Tensor中相关的所有主题: 第一步:张量的定义→什么是张量? 第二步:创 ...
TensorFlow之张量声明
TensorFlow之张量声明 TensorFlow的主要数据结构是张量,它用张量来操作计算图.在TensorFlow里可以把变量或者占位符声明为张量.首先,需要知道如何创建张量. 1.开始创建一个 ...
深度学习框架 TensorFlow：张量、自动求导机制、tf.keras模块(Model、layers、losses、optimizer、metrics)、多层感知机(即多层全连接神经网络 MLP)
日萌社人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) 安装 TensorFlow2.CUDA10.cuDNN7.6. ...
tensorflow中张量、常量、变量、占位符
引言从实例出发 #先导入TensorFlow import tensorflow as tf# Create TensorFlow object called hello_constant hell ...
快速掌握TensorFlow中张量运算的广播机制
相信大家在使用numpy和tensorflow的时候都会遇到如下的错误 ValueError: operands could not be broadcast together with shapes ...
Tensorflow修改张量特定位置元素的值
张量和array一样可以通过切片获取,但是张量不可以直接修改某个值. 可以理解为张量具有"只读"的模式. 如果按照数组修改某个值的方式处理的话,会报错: import tensor ...
【tensorflow】张量tensor--数据容器（把它想象成一个数字的水桶）
0维张量/标量标量是一个数字 1维张量/向量 1维张量称为"向量" 2维张量 2维张量称为矩阵 3维张量公用数据存储在张量时间序列数据股价文本数据彩色图片(RGB) 让 ...
tensorflow 转张量类型为float_TensorFlow是什么？怎么用？终于有人讲明白了
作者:翁贝托·米凯卢奇(Umberto Michelucci)来源:大数据DT(ID:bigdatadt) 导读:在开始使用TensorFlow之前,必须了解它背后的理念.该库很大程度上基于计算图的概 ...

TensorFlow之张量

TensorFlow之张量

1 张量(Tensor) 【类似于numpy中的数组】

1.1 张量的类型

1.2 张量的阶

1.3 创建张量的指令

1.4 张量的变换

1.4.1 类型改变

1.4.2 形状改变

1.5 张量的数学运算

TensorFlow之张量相关推荐

最新文章

热门文章