TensorfFlow2【2】TensorFlow2中的张量

一.张量

TensorFlow 中的 Tensor 表示张量，是多维数组、多维列表的意思，可以用阶来表示张量的维数。

• 标量：0 阶的数值，一个单独的数，如 135。
• 向量：1 阶的数值，一列或一行数组，如 [1, 3, 5]。
• 矩阵：2 阶的数值，二维数组 ，如 [[1, 2, 3], [4, 5, 6]]。
• 张量：超过 2 阶的数值，高维数组，如 [[[xxx]]]。

二.张量的生成

1.constant(常量)

t = tf.constant(value,dtype = None,shape=None,name = 'Const')
	# dtype默认为int32/float32，可以指定
	# shape自动识别，可以指定
	
t0 = tf.constant(4)				# 0维张量(标量)
t1 = tf.constant([1,2])			# 1维张量
t2 = tf.constant([[1],[2]])		# 2维张量
t3 = tf.constant([[[1]],[[2]]])	# 3维张量

2.Variable(变量，参数可变，形状不可变)

v = tf.Variable(value)
v.assign(newvalue)				# 修改v的值，和原shape相同时通过，不相同时报错

3.张量转numpy

t = np.array(tensor)
t = tensor.numpy()

4.常用函数

a = tf.constant([[1,2],[3,4]])
b = tf.constant([[1,2],[3,4]])
tf.add(a,b)		# 求和
tf.sub(a,b)			# 减法
tf.multiply(a,b)	# 点乘
tf.div(a,b)			# 除法
tf.mod(a,b)		# 取模
tf.abs(a)			# 绝对值
tf.matmul(a,b)	# 矩阵乘法,注意行与列

待补充