1.张量介绍:张量 Tensor:多维数组列表 阶:张量的维数
张量可以表示0阶到n阶的的数组(列表)。
2.数据类型
tf.int,tf.float
tf.bool tf.constant([True,False])
tf.string tf.constant("helloworld")
3.如何创建一个张量
创建一个张量 tf.constant(张量内容,dtype=数据类型(可选))
将numpy的数据类型转换为Tensor数据类型
tf.convert_to_tensor(数据名,dtype=数据类型(可选))
生成正态分布的随机数,默认均值为0,标准差为1 tf.random.normal(纬度,mean=均值,stddev=标准差)
生成截断式正态分布的随机数
tf.random.truncated_normal(纬度,mean=均值,stddev=标准差)
tf.random.uniform(纬度,minval=最小值,maxval=最大值)
4.常用函数
axis
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。神经网络训练中常用该函数标记带训练参数。
tf.Variable(初始值)
矩阵乘法tf.matmul
tf.data.Dataset.from_tensor_slices
切分传入张量的第一维度,生成输入特征\标签对,构建数据集tf.data.Dataset.from_tensor_slices((输入特征,标签))
numpy和tensor格式都可以用该语句读入数据。
enumerate是Python的内建函数,它可遍历每个函数,如列表元组或字符串,组合为索引元素,常在for循环中使用。
enumerate(列表名)
tf.one_hot
独热编码:在分类问题中常用独热码做标签,标记类型1表示是,0表示非。
tf.one_hot()函数将带转换数据转化为one-hot的形式的数据输出。
tf.one_hot(待转换数据,depth=几分类)
tf.nn.softmax()使输出符合概率分布。
当N分类的N个输出(y1,y2,yn-1)通过softmax()函数,便符合概率分布了。