tensorflow中张量tensor

在 TensorFlow 中，主要操作的对象是张量（tf.Tensor）。张量表示一个多维数组，可以执行各种操作以构建和修改计算图。以下是一些常见的 TensorFlow 张量操作：

1. 创建张量：

• 使用 tf.constant 创建常量张量。
• 使用 tf.Variable 创建可训练的变量张量。

# 创建常量张量
tensor_a = tf.constant([[1, 2, 3],
                       [4, 5, 6]], dtype=tf.int32)

# 创建变量张量
variable_tensor = tf.Variable([1, 2, 3])

2. 数学运算：

• 加法、减法、乘法、除法等数学运算。

tensor_a = tf.constant([1, 2, 3])
tensor_b = tf.constant([4, 5, 6])

# 加法
sum_tensor = tf.add(tensor_a, tensor_b)

# 减法
diff_tensor = tf.subtract(tensor_a, tensor_b)

# 乘法
product_tensor = tf.multiply(tensor_a, tensor_b)

# 除法
quotient_tensor = tf.divide(tensor_a, tensor_b)

3. 形状操作：

• 获取张量的形状、改变形状等。

tensor = tf.constant([[1, 2, 3],
                     [4, 5, 6]])

# 获取形状
shape = tf.shape(tensor)

# 改变形状
reshaped_tensor = tf.reshape(tensor, shape=(3, 2))

4. 索引和切片：

• 使用索引和切片操作获取张量的部分。

tensor = tf.constant([[1, 2, 3],
                     [4, 5, 6]])

# 获取第一行
first_row = tensor[0, :]

# 获取第一列
first_column = tensor[:, 0]

# 切片操作
sliced_tensor = tensor[:, 1:3]

5. 归约操作：

• 对张量的元素进行归约操作，例如求和、平均值等。

tensor = tf.constant([1, 2, 3, 4, 5])

# 求和
sum_result = tf.reduce_sum(tensor)

# 求平均值
mean_result = tf.reduce_mean(tensor)

参考：

https://www.tensorflow.org/api_docs/python/tf/Tensor