Tensorflow2.0学习笔记（1）：张量

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))