Tensorflow——张量

1.张量（Tensor）:多维数组           阶：张量的维数

0阶-标量，1阶-向量，2阶-矩阵，n阶-张量     [[[，几个括号代表几阶

2.一般数据类型是numpy格式，可转换为tensor数据类型

tf.convert_to_tensor(数据名，dtype=数据类型)    #例如tf.int64

3.创建指定tensor

import tensorflow as tf

a=tf.zeros([2,3])
b=tf.ones(4)
c=tf.fill([2,2],9)

print(a)
print(b)
print(c)

4.创建随机参数

#生成正态分布的随机数
tf.random.normal(维度，mean=均值，stddev=标准差)  #默认均值0，标准差1
#生成截断式正态分布随机数
tf.random.truncated_normal(维度，mean=均值，stddev=标准差  #随机数生成更集中

#生成均匀分布随机数
tf.random.uniform(维度，minval=最小值，maxval=最大值) 

5.常用函数

#强制tensor转换数据类型
tf.cast(张量名，dtype=数据类型

#计算张亮维度上元素的最小值
tf.reduce_min(张量名)

#计算张亮维度上元素的最大值
tf.reduce_max(张量名)

6.常用函数——axis

控制求平均值方向，为0控制纵向，为1控制横向 ，若不指定，则对所有元素求均值

#计算张量沿指定维度的平均值
tf.reduce_mean(张量名，axis=操作轴)

#计算张量沿指定维度的和
tf.reduce_sum(张量名，axis=操作轴)

7.常用函数——tf.Variable()

将变量标记为“可训练”，被标记的变量会在反向传播中记录梯度信息

#使用该函数标记待训练的参数
w=tf.Variable(tf.random.normal([2,2],mean=0,stddev=1))

8.数学运算：维度相同的张量进行四则运算

df.add（加）,tf.subtract（减）,tf.multiply（乘）,tf.divide（除）

tf.square（平方），tf.pow(次方)，tf.aqrt(开方)

tf.matmul(矩阵乘)

9.配对函数

data=tf.data.Dataset.from_tensor_slices((输入特征，标签))

features=tf.constant([12,23,10,17])
lables=tf.constant([0,1,1,0])
dataset=tf.data.Dataset.from_tensor_slices((features,lables))
print(dataset)
for element in dataset:
    print(element)