tenorflow基础知识（三） tensor张量、tensor的属性、tensor数据和numpy数据的转化

在tensorflow的编程思想说到，计算图(Graph)由节点(operation)和边(Tensor、Variable)组成。其中节点是各种operation操作，边是运算数据或变量，在tensorflow中称为tensor,那么什么是tensor呢？它的有什么属性？本篇主要解决这个问题。

1. 什么是tensor张量

tensor是tensorflow中的数据形式。是一种可以表示多维数组的class类，可以理解为多维数组。

2. tensor的属性

在tensor类中包含以下几个属性：

• name属性：name是一个Tensor的唯一标识符.

  • 如果我们没有指定name的值，则tensorflow会按操作名自动分配name值，比如用a = tf.contstant(1.0)定义一个tensor常量a，则tensorflow会将name设置为a.name = "Const:0".
  • Tensor的name属性可以通过noedName_k:src_output形式给出,例如"Mul_9:0"。
    
    • 其中，nodeName=Mul，表示为乘法操作；
    • k=9，表示为第10个同名的Mul操作，在tensorflow中，当我们对两个tensor指定同一个name值时，tensorflow会自动加_k加以区分；
    • src_output=0表示当前节点的第0个输出.
• shape属性：描述维数信息
• dtype属性：
  
  • tensor的数据类型，TensorFlow会对所有参与计算的Tensor进行类型检查，当发现类型不匹配时会报错，例如下面程序中b改为dtype= tf.float64,则会报错。 tenserflow中的数据类型包括：tensorflow中的数据类型dtype

import tensorflow as tf
a = tf.constant([1.0,2.0],name='A'，dtype= tf.float32) 
b = tf.constant([2.0,3.0],name='A'，dtype= tf.float32) #指定同一个name，tf会自动加_k加以区分
r = tf.add(a,b)#没指定name，默认为操作名

print(a)
print(b) #打印tensor
print(r)

out:
Tensor("A:0", shape=(2,), dtype=float32)
Tensor("A_1:0", shape=(2,), dtype=float32)
Tensor("Add:0", shape=(2,), dtype=float32)

3. numpy 数据和tensor数据转换

tensor其实是一种可以表示多维数组的class类，和
numpy可以互相转化。
- 函数形式：tf.convert_to_tensor(arr)

import tensorflow as tf
import numpy as np

arr = np.ones([2,3])
print(type(arr))

tensor = tf.convert_to_tensor(arr,name='x')  # ndarrray ---->tensor
print(type(tensor))

with tf.Session() as sess:
    print(sess.run(tensor))