Python深度学习-Tensorflow基础用法

版本：Tensorflow 2.0

Tensorflow——深度学习框架，其他深度学习框架：PyTorch、Caffe

Tensor（张量）+flow（流动）

张量：多维的数组或列表，0阶（维）张量是标量(scalar)、1阶向量(vector)、2阶矩阵(matrix)、3阶张量、n阶张量...

导入框架：import tensorflow as tf

tensor数据类型：浮点型(tf.float16, tf.float32, tf.float64)、整型(tf.int16, tf.int32, tf.int64)、字符串(tf.string)、布尔型(tf.bool)

常量的创建：tf.constant(value, dtype=None, shape=None, name='')

import tensorflow as tf

string = tf.constant(value="Hello TensorFlow2", dtype=tf.string)
print(string)

判断是否为张量：tf.is_tensor()

张量的一些属性： 维度(ndim)、 形状(shape)

张量的类型转换：tf.cast(x, dtype name=None)       # cast 铸造，变换形态

张量的形状转换：tf.reshape(tensor, shape, name=None)

变量的创建：tf.Variable(initial_value=None, trainable=True)

        trainable：是否可以更新

神经网络中大部分数据是不需要变化的，只需要使用tf.constant()创建，只有少数参数需要改变需使用tf.Variable()创建

创建随机正态分布张量：tf.random.normal()

创建全零张量：tf.zeros(shape, dtype, name)

创建全1张量：tf.ones(shape, dtype, name)

创建指定数值填充的张量：tf.fill(dims, value, name)

操作

tf.math.add(x,y) 求x+y，可用于多维张量

tf.math.multiply(x,y) 乘

其他：substract 减、divide 除、square 平方、pow 幂、sqrt 开方、matmul 矩阵相乘

自动求导：tf.GradientTape()

import tensorflow as tf

x = Variable(initial_value=3.)
with tf.GradientTape() as tape:
    y = 4 * tf.pow(x=x, y=3)
y_grad = tape.gradient(y, x)
print(y, y_grad)