TensorFlow基础
1.TensorFlow2.0特性
2.0版本
清理整合了重复的API
将tf.keras作为构建和训练模型的标准高级API
架构
2.创建张量
2.1创建Tensor对象
张量由Tensor类实现,每个张量都是一个Tensor对象
tf.constant()函数:创建张量
创建 参数为Python列表的张量
import tensorflow as tf
tf.constant([[1,2],[3,4]])
张量的.numpy()方法
所有张量,都可以通过.numpy()方法,得到它对应的数组。
参数为数字
TF创建浮点数张量时,默认是32位浮点数。
import tensorflow as tf
tf.constant(1.0)
tf.constant(1.)
tf.constant(1.0,dtype=tf.float64)
参数为NumPy数组
numpy创建浮点数数组时,默认的浮点型是64位浮点数。当使用NumPy数组创建张量时,TensorFlow会接受数组元素的数据类型,使用64位浮点数保存数据。
import tensorflow as tf
import numpy as np
tf.constant(np.array([1,2]))
tf.constant(np.array([1.0,2.0]))
tf.constant(np.array([1.0,2.0]),dtype=tf.float32)
改变张量中元素的数据类型
tf.cast(x,dtype)函数:改变张量中元素的数据类型。
参数为布尔型
参数为字符串
tf.convert_to_tensor()函数
判断张量
2.2创建张量
创建全0张量和全1张量
创建元素值都相同的张量
tf.fill()函数
创建随机数张量
设置随机种子
tf.random.set_seed()函数
设置随机种子可以产生同样的随机数张量。
创建均匀分布张量
tf.random.uniform()函数
小结
2.3对象属性
ndim、shape、dtype
3. 张量运算
3.1加减乘除运算
3.2幂指对数运算
3.3其他运算
3.4三角函数与反三角函数运算
3.5重载运算符
张量和NumPy数组之间的相互转换
3.6张量乘法
3.7数据统计
求张量在某个维度上、或者全局的统计值。