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)