tensorflow的数据类型

tensorflow的数据类型

常见的数据类型载体DATA CONTAINER：

list: [1,1.2,hello,(1,2),layers], 但是当遇到图片的存储时候，比如一个64张图片 224*224的RGB图片[64,224,224,3] list就会显得力不从心，这时候我们需要np

numpy.array 很方便的把一个大型数据存储起来 进行运算，很方便。但是他有一个致命的缺点就是就是他无法进行GPU的计算。我们甚至可以理解tensorflow的数据类型基本和np.array相同，只不过计算的功率比np.array更强大一点。

tf.Tensor tensorflow的一种载体，用于大量的存储数据。

什么是tensor:

scalar: 称为一种标量。比如：1.1
**vector:**是一种向量。1.1 ,[1,1,2.2,3,3…].
matrix: 第一维是行，第二维是列。[[1.1,2.2],[2.2,3.3]].
有的时候我们也会遇到维度（rank>2）的数据，以上提到的数据我们都可以成为tensor.
其实所谓的神经网络就是各种tensor在网络中不断的流动，最终得到一个我们想要的结果。r如图所示：

链接：

tensorflow中的一些基本的数据类型

int,float,double:
bool
string

如何创建不同类型的数据

创建整形数据

如果你指定的是2.2，指定的确实int，他就会报错。

布尔型：

string:

常见的tensorflow的属性

device反应当前设备的一个名字

a.gpu()实现从CPU到GPU的调用

如果要看一个tensor的shape，你可以调用tensor.shape进行查看，这里不放出图片了

以及数据的属性，可以使用.nidm以及.rank来进行查看。

判断一个物体是否是一个tensor

类型间的转换

整型 浮点型 布尔型都可以相互转换
代码如下：

整型和布尔型之间的相互转换

tf.varible

当你吧一个属性转换为tf.varible之后，他就会自动的转换一些信息了。（比如梯度，求导等等）

如何讲tensor变为numpy