Tensorflow入门笔记（一）张量

在TensorFlow 中，张量是数据流图上的数据载体。
张量与常见数据实体的关系

阶	数据实体	Pythony样例
0	标量	scalar = 1
1	向量	vector = [1, 2, 3]
2	矩阵（数据表）	matrix = [[1,2,3],[4,5,6],[7,8,9]]
3	数据立方	tensor = [[[1,2,3],[4,5,6],[7,8,9]],[[10,11,12],[13,14,15],[16,17,18]]]
…	…	…
n	n阶张量	…

1、创建张量

##创建常量用constant
import tensorflow as tf

a = tf.constant(1.0)
b = tf.constant(2.0)
c = tf.add(a,b)
print([a,b,c])

    ##输出
        [<tf.Tensor 'Const:0' shape=() dtype=float32>, 
         <tf.Tensor 'Const_1:0' shape=() dtype=float32>,
         <tf.Tensor 'Add:0' shape=() dtype=float32>]

2、求解

如果要进行求解，必须进行会话，执行张量的eval（张量的值）或者会话的run方法（操作）

with tf.Session() as sess:
    print(c.eval())
    print(sess.run([a,b,c]))

输出

3.0
[1.0, 2.0, 3.0]

3、稀疏张量

Tensorflow提供了专门用于处理高维稀疏数据的SparseTensor类。该类以键值对的形式表示高维稀疏数据。
SparseTensor包含3个属性，indices、value、dense_shape indices是一个形状为[N, ndims]的Tensor实例，N表示非零元素的个数，ndims是张量的阶数，values是一个形状为[N]的Tensor对象，用于保存indices中指定的非零元素，dense_shape是一个形状为[ndims]的tensor实例，表示该稀疏张量对应的稠密张量的形状。

sp = tf.SparseTensor(indices=[[0,2],[1,3]],
                     values=[1,2],dense_shape=[3,4])

这个稀疏张量sp的键值对形式为：
[0, 2]: 1
[1, 3]: 2
等价于形状为[3, 4]的2阶稠密张量：
[[0, 0, 1, 0]
[0, 0, 0, 2]
[0, 0, 0, 0]]

with tf.Session() as sess:
    print(sp.eval())

输出

SparseTensorValue(indices=array([[0, 2],
       [1, 3]], dtype=int64), values=array([1, 2]), dense_shape=array([3, 4], dtype=int64))