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)