TensorFlow 2 基础概念语法与常用模块，2024一线互联网校招面试真题解析

你即将了解到的大多数深度学习框架都会使用张量的概念，这样做的好处是统一对数据的定义。NumPy 中，数据都使用 Ndarray 多维数组进行定义，TensorFlow 中，数据都会用张量进行表述。

下面就来了解 TensorFlow 中对张量的定义。

在 TensorFlow 中，每一个 Tensor 都具备两个基础属性：

• 数据类型（默认：float32）

• 形状

其中，数据类型大致如下表所示：

| Tensor 类型 | 描述 |

| :-: | :-: |

| tf.float32 | 32 位浮点数 |

| tf.float64 | 64 位浮点数 |

| tf.int64 | 64 位有符号整型 |

| tf.int32 | 32 位有符号整型 |

| tf.int16 | 16 位有符号整型 |

| tf.int8 | 8 位有符号整型 |

| tf.uint8 | 8 位无符号整型 |

| tf.string | 可变长度的字节数组 |

| tf.bool | 布尔型 |

| tf.complex64 | 实数和虚数 |

另外，TensorFlow 通过三种符号约定来描述张量维度：阶，形状和维数。

三者之间的关系如下：

| 形状 | 阶 | 维数 | 示例 |

| :-: | :-: | :-: | :-: |

| [] | 0 | 0-D | 0 维张量。标量。 |

| [D0] | 1 | 1-D | 形状为 [5] 的 1 维张量。 |

| [D0, D1] | 2 | 2-D | 形状为 [3, 4] 的 2 维张量。 |

| [D0, D1, D2] | 3 | 3-D | 形状为 [1, 4, 3] 的 3 维张量。 |

| [D0, D1, … Dn-1] | n | n-D | 形状为 [D0, D1, … Dn-1] 的张量。 |

值得注意的是，上表中的示例都是形容张量的形状。例如 [3, 4] 指的张量的形状为 [3, 4]，而不是张量 [3, 4]。

张量的类型

---

根据不同的用途，TensorFlow 中主要有 2 种张量类型，分别是：

• tf.Variable ：变量 Tensor，需要指定初始值，常用于定义可变参数，例如神经网络的权重。

• tf.constant ：常量 Tensor，需要指定初始值，定义不变化的张量。

我们可以通过传入列表或 NumPy 数组来新建变量和常量类型的张量

（1）查看 TensorFlow 版本：

（2）定义形状为 (3, 3) 的二维变量：

（3）定义现状为 (2,2) 二维常量

张量的属性

---

仔细观察，你会发现输出包含了张量的 3 部分属性，分别是

• 形状 shape

• 数据类型 dtype，

• 对应的 NumPy 数组。

你还可以直接通过 .numpy() 输出张量的 NumPy 数组。

特殊常量张量

---

上面我们已经介绍了常量张量，这里再列举几个经常会用到的新建特殊常量张量的方法：

• tf.zeros：新建指定形状且全为 0 的常量 Tensor

• tf.zeros_like：参考某种形状，新建全为 0 的常量 Tensor

• tf.ones：新建指定形状且全为 1 的常量 Tensor

• tf.ones_like：参考某种形状，新建全为 1 的常量 Tensor

• tf.fill：新建一个指定形状且全为某个标量值的常量 Tensor

（1）3x3 全为 0 的常量 Tensor

（2）c 形状一致全为 1 的常量 Tensor

（3）2x3 全为 6 的常量 Tensor

创建序列

---

除此之外，我们还可以创建一些序列，例如：

• tf.linspace：创建一个等间隔序列。

• tf.range：创建一个数字序列。

实际上，如果你熟悉 NumPy 的话，你会发现这与 NumPy 中创建各式各样的多维数组方法大同小异。数据类型是一切的基础，了解完张量我们就可以继续学习张量的运算了。

Eager Execution

---

TensorFlow 2 带来的最大改变之一是将 1.x 的 Graph Execution（图与会话机制）更改为 Eager Execution（动态图机制）。在 1.x 版本中，低级别 TensorFlow API 首先需要定义数据流图，然后再创建 TensorFlow 会话，这一点在 2.0 中被完全舍弃。

TensorFlow 2 中的 Eager Execution 是一种命令式编程环境，可立即评估操作，无需构建图。

所以说，TensorFlow 的张量运算过程可以像 NumPy 一样直观且自然了。接下来，我们以最简单的加法运算为例：

如果你接触过 1.x 版本的 TensorFlow，你要知道一个加法运算过程十分复杂。我们需要初始化全局变量 → 建立会话 → 执行计算，最终才能打印出张量的运算结果。

init_op = tf.global_variables_initializer() # 初始化全局变量

with tf.Session() as sess: # 启动会话

sess.run(init_op)

print(sess.run(c + c))  # 执行计算

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数前端工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Web前端开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新
如果你觉得这些内容对你有帮助，可以添加V：vip1024c 备注前端获取（资料价值较高，非无偿）

这里分享一份由字节前端面试官整理的「2021大厂前端面试手册」，内容囊括Html、CSS、Javascript、Vue、HTTP、浏览器面试题、数据结构与算法。全部整理在下方文档中，共计111道

HTML

• HTML5有哪些新特性？

• Doctype作⽤? 严格模式与混杂模式如何区分？它们有何意义?

• 如何实现浏览器内多个标签页之间的通信？

• ⾏内元素有哪些？块级元素有哪些？ 空(void)元素有那些？⾏内元 素和块级元素有什么区别？

• 简述⼀下src与href的区别？

• cookies,sessionStorage,localStorage 的区别？

• HTML5 的离线储存的使用和原理？

• 怎样处理 移动端 1px 被 渲染成 2px 问题？

• iframe 的优缺点？

• Canvas 和 SVG 图形的区别是什么？

JavaScript

开源分享：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】

• 问：0.1 + 0.2 === 0.3 嘛？为什么？

• JS 数据类型

• 写代码：实现函数能够深度克隆基本类型

• 事件流

• 事件是如何实现的？

• new 一个函数发生了什么

• 什么是作用域？

• JS 隐式转换，显示转换

• 了解 this 嘛，bind，call，apply 具体指什么

• 手写 bind、apply、call

• setTimeout(fn, 0)多久才执行，Event Loop

• 手写题：Promise 原理

• 说一下原型链和原型链的继承吧

• 数组能够调用的函数有那些？

• PWA使用过吗？serviceWorker的使用原理是啥？

• ES6 之前使用 prototype 实现继承

• 箭头函数和普通函数有啥区别？箭头函数能当构造函数吗？

• 事件循环机制 （Event Loop）

pply 具体指什么

• 手写 bind、apply、call

• setTimeout(fn, 0)多久才执行，Event Loop

• 手写题：Promise 原理

• 说一下原型链和原型链的继承吧

• 数组能够调用的函数有那些？

• PWA使用过吗？serviceWorker的使用原理是啥？

• ES6 之前使用 prototype 实现继承

• 箭头函数和普通函数有啥区别？箭头函数能当构造函数吗？

• 事件循环机制 （Event Loop）