tensorflow2中的基本概念与常用函数

最新推荐文章于 2023-05-22 10:52:46 发布

如魔

最新推荐文章于 2023-05-22 10:52:46 发布

阅读量288

点赞数 2

分类专栏：深度学习 python 文章标签：深度学习 tensorflow python

本文链接：https://blog.csdn.net/weixin_49374896/article/details/123345294

版权

tensorflow2中的基本概念与常用函数

虽然我们在之前学习了如何手动实现神经网络，那样非常易于我么你理解神经网络的原理个结构。但是就“编写一个可用的高效的神经网络“而言，手动编写太过于低效。因此这里我们介绍一下TensorFlow，帮助我们快速搭建神经网络，本篇文章就先介绍一下tensorflow2中的基本概念与常用函数。

1.基本概念

Tensor表示张量，是多维数组、多维列表，用阶表示张量的维数。

阶数维数		eg
0阶	标量	1
1阶	向量	[1,2,3,…]
2阶	矩阵	[[1,2,3],[4,5,6],…]
n阶	张量	[[[[[…

张量是任意阶数的数组的统称。

TensorFlow 中数据类型包括 32 位整型(tf.int32)、32 位浮点(tf.float32)、64 位浮点(tf.float64)、布尔型(tf.bool)、字符串型(tf.string)

创建张量

tf.constant(张量内容，dtype=数据类型(可选))，第一个参数表示张量内容，第二个参数表示张量的数据类型。

import tensorflow as tf a=tf.constant([1,5],dtype=tf.int64)
print(a) # <tf.Tensor([1,5], shape=(2 , ) , dtype=int64)> 
print(a.dtype) # <dtype: 'int64'>
print(a.shape) # (2,)

通过函数tf. convert_to_tensor(数据名，dtype=数据类型(可选)),将numpy格式化为Tensor格式。

import tensorflow as tf
import numpy as np
a = np.arange(0, 5)
b = tf.convert_to_tensor( a, dtype=tf.int64 )

用 tf.zeros(维度)创建全为 0 的张量
tf.ones(维度)创建全为 1 的张量
tf. fill(维度，指定值)创建全为指定值的张量。

其中维度参数部分，如一维则直接写个数，二维用[行，列]表示，多维用[n,m,j…] 表示

用 tf.random.normal (维度， mean=均值，stddev=标准差)生成正态分布的随机数，默认均值为 0，标准差为 1
用 tf.random.truncated_normal (维度，mean=均值，stddev=标准差)生成截断式正态分布的随机数，所谓截断式正态分布就是在 (µ - 2σ，u + 2σ ) 之内的随机数，这样的随机数更加集中。
利用 tf.random.uniform(维度，minval=最小值，maxval=最大值)，生成指定维度的均匀分布随机数，最小、最大值是前闭后开区间。

2.常用函数

tf.cast (张量名，dtype=数据类型)强制将Tensor转换为该数据类型

x1 = tf.constant ([[1.0, 2.0, 3.0],[2.0,4.0,6.0]], dtype=tf.float64)
x2 = tf.cast (x1, tf.int32)

tf.reduce_min(张量名,axis=操作轴)计算张量维度上元素的最小值；利用tf.reduce_max(张量名,axis=操作轴)计算张量维度上元素的最大值。
tf.reduce_mean (张量名,axis=操作轴)计算张量沿着指定维度的平均值，tf.reduce_sum(张量名,axis=操作轴)计算张量沿着指定维度的和。

如不指定axis，则表示对所有元素进行操作。