Tensorflow中Tensor對象的常用方法（持續更新）

　　Tensor是Tensorflow中重要的對象。下面是Tensor的常用方法，后面還會寫一篇隨筆記錄Variable的用法。

 

　　1. 生成一個（常）Tensor對象

>>>A = tf.constant(4)
>>>B = tf.constant([[1, 2], [3, 4]))
>>>A
<tf.Tensor: id=76, shape=(), dtype=int32, numpy=4>
>>>B
<tf.Tensor: id=77, shape=(2, 2), dtype=int32, numpy=
array([[1, 2],
       [3, 4]], dtype=int32)>

　　Tensor對象和ndarray對象看起來很像但也有差別，一個最大的差別是Tensor是不可變的（immutable）。這意味着你永遠也無法隨心所欲的對Tensor進行賦值，只能新創建一個新的Tensor。

 

　　2. 和Ndarray的互相轉換

>>>B.numpy()
array([[1, 2],
       [3, 4]], dtype=int32)
>>>np.array(B)
array([[1, 2],
       [3, 4]], dtype=int32)
>>>D = np.array([[1, 2], [3, 4]])
>>>tf.convert_to_tensor(D, dtype='int32')
<tf.Tensor: id=79, shape=(2, 2), dtype=int32, numpy=
array([[1, 2],
       [3, 4]], dtype=int32)>

　　Tensorflow2引入了叫做Eager execution的機制，讓Tensor和ndarray具有一樣的運算靈活性。除了以上的轉換方式之外，任意的Tensorflow操作都可以生成（返回）Tensor對象。

 

　　3. 矩陣運算

>>>a = tf.constant([[1, 2],
                 [3, 4]])
>>>b = tf.constant([[1, 1],
                 [1, 1]]) # Could have also said `tf.ones([2,2])`
>>>print(tf.add(a, b), "\n")
tf.Tensor(
[[2 3]
 [4 5]], shape=(2, 2), dtype=int32) 
>>>print(tf.multiply(a, b), "\n")
tf.Tensor(
[[1 2]
 [3 4]], shape=(2, 2), dtype=int32)
>>>print(tf.matmul(a, b), "\n")
tf.Tensor(
[[3 3]
 [7 7]], shape=(2, 2), dtype=int32) 

　　以上三個操作返回的都是Tensor對象，同時這三個操作可以使用'+', '*', '@'代替。

 

　　4. 三種常用的操作

>>>c = tf.constant([[4.0, 5.0], [10.0, 1.0]])
>>>print(tf.reduce_max(c)) # Find the largest value
tf.Tensor(10.0, shape=(), dtype=float32)
>>>print(tf.argmax(c)) # Find the index of the largest value
tf.Tensor([1 0], shape=(2,), dtype=int64)
>>>print(tf.nn.softmax(c)) # # Compute the softmax
tf.Tensor(
[[2.6894143e-01 7.3105860e-01]
 [9.9987662e-01 1.2339458e-04]], shape=(2, 2), dtype=float32)

　　三種看名字就能看出功能的操作，其中tf.reduce_XX()是tensorflow中降維的操作。類似的操作：'reduce_all', 'reduce_any', 'reduce_logsumexp', 'reduce_max', 'reduce_mean', 'reduce_min', 'reduce_prod', 'reduce_sum'。

　　

 　　5. Dtype轉換　　

>>>the_f64_tensor = tf.constant([2.2, 3.3, 4.4], dtype=tf.float64)
>>>the_f16_tensor = tf.cast(the_f64_tensor, dtype=tf.float16)
# Now, let's cast to an uint8 and lose the decimal precision
>>>the_u8_tensor = tf.cast(the_f16_tensor, dtype=tf.uint8) 
>>>print(the_u8_tensor)
tf.Tensor([2 3 4], shape=(3,), dtype=uint8)

　　numpy中可以使用astype()來進行轉換，Tensorflow中則使用tf.cast()方法來轉化不同數據類型的Tensor。

 　　

　　6. 廣播操作

　　Tensor的廣播操作和numpy中基本完全一樣，機制可以看這篇文章：https://jakevdp.github.io/PythonDataScienceHandbook/02.05-computation-on-arrays-broadcasting.html