1.数据类型
2.Tensor属性
查看设备:
切换设备:
查看、修改维度:
3.判断Tensor类型
4.类型之间的转换
整型和bool型的转换
特殊类型:tf.Variable,表示的是可变的类型。例如梯度下降中的w,b参数。下面b.trainable表示需要是否需要一个计算参数(例如梯度下降中的梯度)来更新这个值。
将tensor数据类型转回numpy类型:
5.创建tensor
from numpy,list
tf.zeros()
tf.zeros_like()
tf.ones()
tf.fill()
随机初始化normal:正态分布,不指定参数则标准正态分布01分布,truncated_normal截断的正态分布
Uniform均匀分布
例子:随机打散Random Permutation
tf.constant()
6.使用小案例
比如常用的loss就用标量数值表示:
bias用vector表示:
Matrix:维度为2
维度为3的一个tensor:
4维:
对于tensor而言,重要的是理解每一个维度的含义,跟踪每个维度的计算变化。