tensorflow v2.0入门教程——02基本操作

个人博客

tensor

tensor即张量，张量的数学含义是多维数组，标量（数字）可以看作是0维的张量。一维数组称为1维向量，二维数组称为矩阵。在神经网络学习中，几乎所有的数据都可以看作张量，如神经网络的权重，偏置等。

输出hello world

import tensorflow as tf
hello = tf.constant('hello world')  # 创建一个常量
print(hello)  # 输出
print(hello.numpy())  # 输出张量的值
print(hello.shape)   # 输出维度
print(hello.dtype)  # 输出张量类型

输出结果

tf.Tensor(b'hello world', shape=(), dtype=string)
b'hello world'

shape是维度，标量是0维，[1,2,3]是1维。[[1,2],[3,4]]是2维，shape=(2,2)。
dtype是张量类型。

基本张量操作

import tensorflow as tf

# 定义常量
a = tf.constant(3)
b = tf.constant(4)
c = tf.constant(5)
matrix1 = tf.constant([[1., 2.], [3., 4.]])
matrix2 = tf.constant([[5., 6.], [7., 8.]])

add = tf.add(a, b)  # 求和
sub = tf.subtract(a, b)  # 求差
mul = tf.multiply(a, b)  # 求积
div = tf.divide(a, b)  # 相除
mean = tf.reduce_mean([a, b, c])  # 求平均数
sum = tf.reduce_sum([a, b, c])  # 求和
product = tf.matmul(matrix1, matrix2)  # 矩阵相乘

# 输出张量的值
print("add =", add.numpy())
print("sub =", sub.numpy())
print("mul =", mul.numpy())
print("div =", div.numpy())
print("mean =", mean.numpy())
print("sum =", sum.numpy())
print("product=", product.numpy())

输出结果

add = 7
sub = -1
mul = 12
div = 0.75
mean = 4
sum = 12
product= [[19. 22.]
 [43. 50.]]

个人博客