tensorflow基础

tensorflow基础

---

前言

tensorflow是一个面向深度学习算法的科学计算库，内部主要以张量的形式进行保存和运算。所有的操作都是基于张量对象进行。负责的神经网络其本质就是各种张量的相加、相乘等操作运算进行组合，并结合强大的数据量、计算力完成相关运算和推理。因此需要掌握基本的张量操作。

---

本文主要讲解tensor的基本知识

一、数据基本类型

tensorflow中基本的类型有：数值类型、字符串类型和布尔类型。

1.1 数值类型

数值类型是tensorflow主要类型，根据维度可以分为以下几种：
（1）标量（sarlar）
单个的实数，如1、2、3.1等，维度为0，shape为[]。

#1.1定义一个标量
a=2.2  #python中定义的标量
aa=tf.constant(2.2)#tensorflow中定义的标量
print(type(a),a)
print(type(aa),aa)

运行结果如下：

<class 'float'> 2.2
<class 'tensorflow.python.framework.ops.EagerTensor'> tf.Tensor(2.2, shape=(), dtype=float32)

（2）向量（vector）
n个实数的集合，用中括号包裹。如[2,3],[2.3,4,8]等，维度数为1，shape为[n]。与标量不同，向量定义需要通过一个List容器传给tf.constant()函数。

#1.2  定义一个向量
创建一个元素向量
a=tf.constant([2.2])
print(a,type(a),a.shape)

运行结果：

tf.Tensor([2.2], shape=(1,), dtype=float32) <class 'tensorflow.python.framework.ops.EagerTensor'> (1,)

创建多个元素向量

a=tf.constant([2.2,3,4])
print(a,type(a),a.shape)

运行结果如下：

tf.Tensor([2.2 3.  4. ], shape=(3,), dtype=float32) <class 'tensorflow.python.framework.ops.EagerTensor'> (3,)

（3）矩阵（matrix）
n行m列实数组成有序集合，如[[2,3],[3,4]]，维度为2，shape[n,m]

#1.3定义一个矩阵
a=tf.constant([[2,3],[5,6]])# 2行2列
print(a,type(a),a.shape)

运行结果如下：

tf.Tensor(
[[2 3]
 [5 6]], shape=(2, 2), dtype=int32) <class 'tensorflow.python.framework.ops.EagerTensor'> (2