TensorFlow学习笔记二：矩阵和Tensor的一些常用操作

1.Tensor的变形

          在TensorFlow中经常要用到Tensor的变形，尤其是当一个tensor作为全连接的输入的时候，要先将其拉成一个向量，这个时候就要用的tf.reshape函数，因为我们在训练的时候往往有多个数据同时进行训练，所以输入的Tensor一般都是有batch这个维度作为我们Tensor的第一维。举个例子，加入我们输入的tensor是4维的第一个维度是batch，然后后面是w，h和c（宽、高、通道数）要将其拉成一个向量就是：

reshape=tf.reshape(X,[-1，X.shape[1]*X.shape[2]*X.shape[3]])

这里-1就是先不管后面的维度确定后根据原始的X自动对齐，从我们的例子来看就是得到了batch，有些同学可能发现这么写不行，可以试下下面的写法

reshape=tf.reshape(X, [-1, X.get_shape().as_list()[1] *X.get_shape().as_list()[2] *X.get_shape().as_list()[3]])

其他类似的变形都可以这样处理 

2.array转化成tensor

转化成tensor：tf.convert_to_tensor(arr)

import tensorflow as tf
import numpy as np
A=np.ones([3,4])
tensor_A = tf.convert_to_tensor(arr,name='A')
sess=tf.Session()
print(sess.run(tensor_A))