Tensorflow 张量以及运算

张量

张量的阶和数据类型：
Tensorflow基本的数据格式

一个类型化的N维度数组（tf.Tensor）

三部分，名字，形状，数据类型

张量的阶

张量的数据类型

张量的属性：

graph 张量所属的默认图
op 张量的操作名
name 张量的字符串描述
shape 张量形状

张量的动态形状与静态形状

TensorFlow中，张量具有静态形状和动态形状

静态形状：
创建一个张量或者由操作推导出一个张量时,初始状态的形状
tf.Tensor.get_shape:获取静态形状
tf.Tensor.set_shape():更新Tensor对象的静态形状，通常用于在不能直接推
断的情况下

动态形状：
一种描述原始张量在执行过程中的一种形状
tf.reshape:创建一个具有不同动态形状的新张量

重点：

1、转换静态形状的时候，1-D到1-D，2-D到2-D，不能跨阶数改变形状
2、 对于已经固定或者设置静态形状的张量／变量，不能再次设置静态形状
3、tf.reshape()动态创建新张量时，元素个数不能不匹配

张量操作-生成张量

#全部为0的三行四列
cc=tf.zeros([3,4],tf.float32)

创建随机张量：stddev是标准差

正态分布

概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ
决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。

相关特性：

张量操作-张量变换

tf.cast()万能转换

切片与扩展

tf.concat(values, axis, name=‘concat’)把相同数据进行拼接

提供给Tensor运算的数学函数

https://www.tensorflow.org/versions/r1.0/api_guides/python/math_ops

算术运算符
基本数学函数
矩阵运算
减少维度的运算(求均值)
序列运算

# tensorflow:打印出来的形状表示
# 0维：()   1维:(5)  2维：(5,6)   3维：(2,3,4)

# 形状的概念
# 静态形状和动态性状
# 对于静态形状来说，一旦张量形状固定了，不能再次设置静态形状, 不能夸维度修改 1D->1D 2D->2D
# 动态形状可以去创建一个新的张量,改变时候一定要注意元素数量要匹配  1D->2D  1->3D
#
# plt = tf.placeholder(tf.float32, [None, 2])
#
# print(plt)
#
# plt.set_shape([3, 2, 1])
#
# print(plt)
#
# # plt.set_shape([2, 3]) # 不能再次修改
#
# plt_reshape = tf.reshape(plt, [3, 3])
#
# print(plt_reshape)