TensorFlow2.0学习笔记-1.张量

1.张量

TensorFlow 2.0 API 文档： https://www.tensorflow.org/api/r2.0

TensorFlow 使用一种叫tensor的数据结构去定义所有的数据，我们可以把tensor 看成是n维的array 或者list。在TensorFlow的各部分图形间流动传递的只能是tensor。

编写TensorFlow程序时，操纵并传递的主要对象是tf.Tensor：

 

import tensorflow as tf

print(tf.__version__)

2.0.0-alpha0

 

# 是否可以在gpu上执行

print(tf.test.is_gpu_available())

True

 

1.1.张量的创建

# 零阶张量

mammal=tf.Variable("Elephant",tf.string)

# 输出张量的阶数

tf.print(tf.rank(mammal))

# 输出张量的形状

tf.print(tf.shape(mammal))

0

[]

# 直接打印张量

print(tf.rank(mammal))

tf.Tensor(0, shape=(), dtype=int32)

 

# 一阶张量

mystr=tf.Variable(["Hello"],tf.string)

tf.print(tf.rank(mystr))

tf.print(tf.shape(mystr))

1

[1]

 

# 二阶张量

mymat=tf.Variable([[7],[11]],tf.int16)

tf.print(tf.rank(mymat))

tf.print(tf.shape(mymat))

2

[2 1]

 

更多创建方式

tf.constant([1,2,3],dtype=tf.int16)

<tf.Tensor: id=42, shape=(3,), dtype=int16, numpy=array([1, 2, 3], dtype=int16)>

tf.zeros((2,2),dtype=tf.int16)

<tf.Tensor: id=45, shape=(2, 2), dtype=int16, numpy=

array([[0, 0],

       [0, 0]], dtype=int16)>

#reshape

rank_three_tensor=tf.ones([3,4,5])

matrix=tf.reshape(rank_three_tensor,[6,10])

 

Numpy与张量创建的比较

1.2.张量的操作

常用的操作：

tf.strings -- 与字符串相关操作

tf.debugging -- 断点相关操作

tf.dtypes -- 数据类型相关操作

tf.math -- 数学相关操作

tf.random -- 生成随机数相关操作

tf.feature_column --特征结构相关操作

 

tf.strings

# 单词切割，默认识别符号切割

tf.strings.split('hello world')

<tf.Tensor: id=168, shape=(2,), dtype=string, numpy=array([b'hello', b'world'], dtype=object)>

 

# 指定符号切割

tf.strings.split('hello world', 'o')

<tf.Tensor: id=332, shape=(3,), dtype=string, numpy=array([b'hell', b' w', b'rld'], dtype=object)>

 

#字符切割

tf.strings.bytes_split('hello')

<tf.Tensor: id=109, shape=(5,), dtype=string, numpy=array([b'h', b'e', b'l', b'l', b'o'], dtype=object)>

 

tf.debugging（使用并不多）

#tf自带debug函数

a=tf.random.uniform((10,10))

tf.debugging.assert_equal(x=a.shape,y=(10,10))

 

# 错误示范

tf.debugging.assert_equal(x=a.shape,y=(20,10))

InvalidArgumentError:

Condition x == y did not hold.

 

tf.random

# 生成随机数，最小为0，最大为10

a = tf.random.uniform(shape=(4,5),minval=0,maxval=10)

a

<tf.Tensor: id=781, shape=(10, 5), dtype=float32, numpy=

array([[7.337245  , 8.563206  , 0.12907624, 7.0185113 , 6.942792  ],

       [8.801897  , 0.03558278, 0.71659565, 9.032879  , 2.803135  ],

       [4.7294226 , 3.1436408 , 9.654947  , 5.030531  , 3.061322  ],

       [7.6798067 , 1.7466497 , 4.6031084 , 5.355513  , 8.813373  ]],

      dtype=float32)>

 

tf.math

a = tf.constant([[1,2],[3,4]])

b = tf.constant([[5,6],[7,8]])

 

tf.print(tf.math.add(a,b))

tf.print(tf.math.subtract(a,b))

tf.print(tf.math.multiply(a,b))

tf.print(tf.math.divide(a,b))

[[6 8]

 [10 12]]

[[-4 -4]

 [-4 -4]]

[[5 12]

 [21 32]]

[[0.2 0.33333333333333331]

 [0.42857142857142855 0.5]]

 

tf.dtypes

x =tf.constant([1.8,2.2],dtype=tf.float32)

x1=tf.dtypes.cast(x,tf.int32)

x1

<tf.Tensor: id=796, shape=(2,), dtype=int32, numpy=array([1, 2])>