Tensorflow2.0学习笔记(1):张量
张量
张量是Tensorflow(以下简称‘ tf ’ )中基本的数据结构,与numpy的array大致相同。实际上,张量继承了numpy数据结构array的很多属性与方法。下面将介绍张量的基本结构与相关操作
张量维数
阶 | l例子 |
---|---|
0 | S=1 2 3 |
1 | v=[1,2,3] |
2 | m=[[ 1,2,3],[4,5,6],[7,8,9 ]] |
n | t=[ [ …[ (此处有n个“[”) |
数据类型
dtype | 数据类型 |
---|---|
tf.int32 | 整型 |
tf.float32 | 32位浮点型 |
tf.float64 | 64位浮点型 |
tf.bool | 布尔型 tf.constan([True,Flase]) |
tf.string | 字符串型 tf.constant(“hello world!”) |
创建张量
使用tf.constant(张量内容,dtype=数据类型)创建常数张量,例子如下
import tensorflow as tf
a=tf.constant([1,5])
print(a)
print(a.dtype)
print(a.shape)
使用tf.convert_to_tensor(数据名,dtype=数据类型)
import numpy as np
#将numpy数据类型转换为张量
a=np.arange(0,5)
b=tf.convert_to_tensor(a)
print(a)
print(b)
创建全为数字x的张量
print(tf.zeros(4))#参数“4”是张量维度
print(tf.ones([2,2]))
print(tf.fill([2,2],3))#[2,2]是参数维度,3为数字填充量
生成元素符合正态分布的张量
tf.random.normal(维度,mean=均值,stddev=标准差)
print(tf.random.normal([2,2]))
生成符合均匀分布的随机数
tf.random.uniform(维度,minval=最小值,maxval=最大值)
print(tf.random.uniform([2,2],0,1))