【Tensorflow】——张量：创建、常用函数

最新推荐文章于 2024-04-22 14:44:14 发布

开数据挖掘机的小可爱

最新推荐文章于 2024-04-22 14:44:14 发布

阅读量516

点赞数

分类专栏： Tensorflow 文章标签： python tensorflow 深度学习

本文链接：https://blog.csdn.net/m0_46568930/article/details/111804172

版权

本文详细介绍了TensorFlow中张量的创建，包括直接创建、从numpy转换以及创建特殊张量的方法。同时，文章还涵盖了TensorFlow的常用函数，如张量的平均、求和、数学运算、变量标记、数据集构建、梯度计算、遍历、独热编码、激活函数softmax以及获取最大值索引等操作。

摘要由CSDN通过智能技术生成

Tensorflow

Tensorflow是当下最流行的深度学习框架之一， Tensorflow可以分为tensor（张量）和flow（流）两部分。不得不说这个老师讲的是真的好呀，又基础又详细，很适合入门（keng）新手。

Tensor（张量）

张量就是一个多维数组，用阶表示张量的维度。简单判断张量是几阶的方法：有几个[ ]就是几阶。

一、创建张量

张量的创建可通过直接创建和由numpy数组转换，此外还有一些常用的特殊张量方法：

1. 直接创建

tf.constant（张量内容，dtype=数据类型）

import tensorflow as tf
t=tf.constant([2,3],dtype=tf.int64)#创建一个一阶张量
print(t)
>>tf.Tensor([2 3], shape=(2,), dtype=int64)

2.用numpy数据类型转换为tensor类型

tf.convert_to_tensor(数据名，dtype=数据类型)

import tensorflow as tf
import numpy as np
a=np.arange(0,5)
t=tf.convert_to_tensor(a,dtype=tf.int64)#将一维数组转化为一维张量
print(a,t)
>>[0 1 2 3 4] tf.Tensor([0 1 2 3 4], shape=(5,), dtype=int64)

3.创建特殊的张量

① 全为0的张量：维度如何表示：一维直接填一个数字，二维用[行，列]，多维用[n,m,j,k……]

#全为0的张量
tf.zeros(3)#创建一维零张量：只需要指定张量内容中0的个数
tf.zeros([2,3])#二维
>><tf.Tensor: shape=(3,), dtype=float32, numpy=array([0., 0., 0.], dtype=float32)>
  <tf.Tensor: shape=(2, 3), dtype=float32, numpy=array([[0., 0., 0.],
                                                        [0., 0., 0.]], dtype=float32)>

② 全为1的张量：维度同上

#全为1的张量
tf.ones(3)
>><tf.Tensor: shape=(3,), dtype=float32, numpy=array([1., 1., 1.], dtype=float32)>

③ 全为指定值的张量：tf.fill(维度，指定值)

#全为指定值的张量
tf.fill([2,3],1)
>><tf.Tensor: shape=(2, 3), dtype=int32, numpy=array([[1, 1, 1],
                                                      [1, 1<