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.
- 其中,
- 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
- 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
- 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
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))