本节主要是对张量的类型,rank,shape做了初步的介绍,并且对函数的操作进行整理,使得自己在以后学习时更加方便一些
一、张量及类型
Tensorflow使用Tensor数据结构代表所有的数据。计算图中,操作之间的传递都是Tensor。
Tensor看作为一个n维的数组或者列表,每个Tensor中包含了类型(type)、阶(rank)、形状(shape)
(1)Tensor类型
将Tensor类型和python类型做对比:
(2) rank(阶)
rank(阶)指得维度。但张量的阶和矩阵的阶不是同一个概念,主要看有几层中括号。例如,对于传统的一个3阶矩阵来说
a = [[1,2,3],[4,5,6],[7,8,9]]来讲,在张量中的阶数表示为2阶(因为它有两层中括号)
标量、向量、矩阵的阶数
(3)shape(形状)
shape用于描述张量内部的组织关系。可以通过python中的整数列表或元组(int list 或tuples)表示,也可以用TensorFlow中的相关形状函数来表示。
例如:一个二阶张量a = [[1,2,3],[4,5,6],[7,8,9]]的形状是两行三列,描述为(2,3)
二、张量相关操作
张量的相关操作包括类型转换、数值操作、形状变换和数据操作。
(1)类型转换
相关函数如下表:
(2)数值操作
数值操作相关函数:
(3)形状变换
相关函数:
(4)数据操作
相关函数:
注意:
Tensorflow开头大代码都不能直接运行,必须放在session里
大家可以关注我和我小伙伴的公众号~~~这里有我和我的小伙伴不定时的更新一些python技术资料哦!!大家也可以留言,讨论一下技术问题,希望大家多多支持,关注一下啦,谢谢大家啦~~