深度学习TF—1.TensorFlow2基本操作

一、Tensorflow的数据类型

在深度学习之前，list类型、ndarray类型就已经存在，但是不支持GPU和求导操作，因此，出现了一种新的数据类型—tf.Tensor（维度大于2），tf.Variable（数据求导时用到）

tensor（张量）共有以下数据格式：
int（整型）、float（单精度浮点型）、double（双精度浮点型）
bool（布尔型）
string（字符型）

1.简单创建Tensor

2.Tensor的属性

3.检查数据类型

4.类型的转换

5.tf.Variable

该数据类型使其具有可求导的特性。将tf.Tensor->tf.Variable后，会使其自动记录梯度的相关信息。

二、创建Tensor及应用场景

1.创建Tensor

将list、ndarray转换成Tensor

tf.zeros()、tf.ones()—传入的是shape



tf.fill()—填充

参数分别是shape与value

tf.random.normal()—随机初始化

参数分别为shape、mean与std

tf.random.uniform()—均匀分布

参数分别为shape、下界与上界

tf.random.shuffle()—随机打散

tf.constant()

2.Tensor的应用场景

scalar-标量


Vector-向量


Matrix-矩阵


Dim=3 Tensor


Dim=4 Tensor


Dim=5 Tensor

三、索引与切片

1.Basic indexing

a[idx][idx][idx]...

2.Numpy-style indexing

3. start:end-单冒号

Indexing by:表示将某一个维度都选取

Indexing by ::加一个步长

4.省略号…代替多个冒号

5.Selective Indexing

tf.gather根据所给索引进行收集

tf.gather_nd将最内层的括号当成联合索引的坐标


tf.boolean_mask—bool类型

四、维度变换

1.tf.reshape