TensorFlow——常見張量操作的API函數

1.張量

張量可以說是TensorFlow的標志，因為整個框架的名稱TensorFlow就是張量流的意思，全面的認識一下張量。在TensorFlow程序使用tensor數據結構來代表所有的數據，在計算圖中，操作之間的數據都是Tensor，Tensor可以看做n維的數組或列表，每個tensor包含了類型（type），階（rank），和形狀（shape）。

2.tensor類型

tensor的類型主要有如下：

tf.float32 ：32位浮點型
tf.float64 ：64 位浮點型
tf.int64 ：64位有符號整型
tf.int32 ：32位有符號整型
tf.int16 ：16位有符號整型
tf.int8 ：8位有符號整型 

tf.uint8 ：8位無符號整型
tf.string ：可變長度的字節數組
tf.bool ：布爾型
tf.complex64 ：兩個32位浮點型組成的復數：實部和虛部

rank(階)

rank(階)指的就是維度，可以通過觀察它的括號層數，比如張量[ [1,2,3], [2,3,4], [3,4,5] ]的階為2，標量，向量，矩陣的階數分別為0，1，2。

shape(形狀)

shape用於描述張量內部的組織關系，形狀通常可以用整數列表或者元組來表示，也可以用TensorFlow中的相關形狀函數來表示。

張量的相關操作

張量的相關操作包括類型操作，數字操作，形狀變換，數據操作

類型操作

if __name__ == '__main__':
    with tf.Session() as sess:
        print(sess.run(tf.string_to_number('123.456')))  # 將字符轉為數字
        print(sess.run(tf.to_double(3)))        # 轉為浮點型
        print(sess.run(tf.to_int32(3.1415)))    # 轉為整型
        print(sess.run(tf.cast(3.1415, tf.int32)))  # 將類型轉為指定類型

 

import tensorflow as tf

if __name__ == '__main__':
    with tf.Session() as sess:
        print(sess.run(tf.ones([2, 3], dtype=tf.float32)))  # 生成全1的數據
        print(sess.run(tf.zeros([2, 3], dtype=tf.float32)))   # 生成全0的數據
        print(sess.run(tf.ones_like([1, 2, 3, 4])))    # 生成指定形狀的全1數據
        print(sess.run(tf.zeros_like([2, 3, 4, 5])))  # 生成指定形狀的全0數據
        print(sess.run(tf.fill([2, 2], 6)))  # 使用指定值填充形狀
        print(sess.run(tf.constant((2, 3), 3)))  # 生成常量
        print(sess.run(tf.random_normal([3, 3], mean=2.5, stddev=1.0, dtype=tf.float32, )))

 

 太多了。。。。