tensorflow2.0预备知识一：认识张量以及张量的生成方式

tensorflow2.0预备知识一：认识张量以及张量的生成方式

---

前言

近期在学习tensorflow2.0框架，因此想要记录自己学习的过程以及学习笔记。
文章内容主要参考北大曹建教授的tensorflow视频，进行整理。

---

一、什么是标量，向量，矩阵，张量？

• 1.标量（scalar）：常数

   例如：1,2,3
  

• 2.向量（vector）：一维矩阵

   例如：V=[1,2,3]
  

• 3.矩阵（martix）：二维矩阵

   例如：m = [[1,2,3],[4.5.6].[7,8,9]]
  

• 4.张量（tensor）：表示多维数组（列表）

   例如：t=[[[   (n个)
  

  总结：张量可以表示0到n阶数组

二、数据类型

1.整型与浮点型

tf.int32
tf.float32
tf.float64

2.布尔型

tf.bool

3.字符型

tf.string

三、如何创建一个张量

• 1.tf.constant(张量内容,dtype=数据类型)

  示例：

  import tensorflow as tf
  a = tf.constant([1,5],dtype=tf.int64)
  print(a)
  print(a.dtype)
  print(a.shape)
  

输出结果：

	其中shape=(2,):表示张量a的形状是一维的，且有两个元素

• 2.tf.convert_to_tensor(数据名，dtype=数据类型)

   描述：此方法可以将numpy的数据类型转换为tensor的数据类型
  

  代码示例：

  import tensorflow as tf
  import numpy as np
  a = np.arange(0,5)
  b= tf.convert_to_tensor(a,dtype=tf.int64)
  print('a=',a)
  print('b=',b)
  

  输出结果：
  

• 3.常见的特殊方法

   1.创建全为0的张量：tf.zeros(维度）
   2.创建全为1的张量： tf.ones(维度)
   3.创建全为指定值的张量：tf.fill(维度,指定值）
   
   维度：
   	一维：直接写个数
   	二维：用[行，列]
   	多维：用[n,m,k,j,l,....]
  

  代码示例：

  a = tf.zeros([2,3]) #二维
  b = tf.ones(4)  #一维
  c = tf.fill([2,2],9) # 二维
  print('a=',a)
  print('b=',b)
  print('c=',c)
  

  输出结果：
  

• 4.tf.random.normal(维度,mean=均值,stddev=标准差)

   描述：
   	生成正态分布的随机数，默认为均值为0，标准差为1
  

• 5.tf.random.truncated_normal(维度，mean=均值,stddev=标准差)

   描述：此方法能够生成截断式正态分布的随机数，
   		即如果随机生成的数据在取值为（μ-2σ，μ+2σ）之外，
   		则重新进行生成，保证了生成值为均值附近
   		μ为标准差，σ为标准差
  

• 6.tf.random.uniform(维度,minval=最小值,maxval=最大值)

   描述：
   	此方法是用来生成均匀分布随机数：[min,max)
  

  代码示例：

  f = tf.random.uniform([2,2],minval=0,maxval=1)
  print(f)
  

  输出结果：
  

  结尾

   这篇文章主要是记录何为张量以及张量的创建的一些笔记
   下一篇文章，继续记录tensorflow2.0的预备知识（未完待续！）