tensorflow 基本操作

1.  变量类型转换

a. A=tf.to_xxxx(B)：将变量转换成指定类型：

格式:

new_variable=tf.to_xxx(variable):

有以下函数可用：

tf.string_to_number(string_tensor, out_type=None, name=None)
tf.to_double(x, name='ToDouble')
tf.to_float(x, name='ToFloat')
tf.to_bfloat16(x, name='ToBFloat16')
tf.to_int32(x, name='ToInt32')
tf.to_int64(x, name='ToInt64')
tf.cast(x, dtype, name=None)

b. A=tf.cast(A,dtype): 用cast函数，指定类型进行转换：

附： tf dtype类型

有符号整型：tf.int8（8位整数），tf.int16（16位整数），tf.int32（32位整数），tf.int64（64位整数）

无符号整型：tf.uint8（8位无符号整数），tf.uint16（16位无符号整数）

浮点型：tf.float16（16位浮点数），tf.float32（32位浮点数），tf.float64（64位浮点数），tf.double（等同于tf.float64)

字符串型：tf.string（字符串）

布尔型：tf.bool（布尔型）

复数型：tf.complex64（64位复数），tf.complex128（128位复数）

 

 

2. 矩阵运算：

a. 点对点乘： C=A*B

A和B有同样的结构，对应元素相乘，获得对应结构的C

b. 矩阵乘： C=tf.matmul(A,B)

A和B以矩阵运算规则进行相乘

 

note：

运算次数是运算时间的主要因素，矩阵运算可以加快速度