1
/ 写在前面的话 /
关于“tensorflow”这个专栏,我打算一直更新下去,文章基本都是随着我的进度来的,我也是查找了一些资料并根据自己的一些理解写的,可能内容偶尔会有错误,如果出现错误,大家可以在公众号后台滴滴我,或者直接微信轰炸我,我不会介意的。
2
/tensorflow之tensor张量 /
其实可以从最外围的括号数量可以看出这个张量是几阶的,例如 [[[ 那么这个张量就是三维的也就是三阶
import tensorflow as tf
tens1 = tf.constant([[[1, 2, 3], [2, 2, 3]],
[[5, 5, 5], [1, 4, 2]],
[[2, 5, 3], [2, 6, 1]],
[[1, 3, 5], [2, 3, 4]]], name='tens1')
print(tens1)
其实通过我们人眼可以看出它是一个三维数组 我们来看一下输出结果:
Tensor("tens1:0", shape=(4, 2, 3), dtype=int32)
第一个参数是name 第二个参数是形状 第三个参数是数据类型 我们主要来看看第二个形状 首先解释 4 — 就是在最外围有四组二维数组 2 — 就是在二维数组里面有两个一维数组 3 — 就是在一维数组里有三个标量
import tensorflow as tf
scalar = tf.constant(100)
vector = tf.constant([1, 2, 3, 4])
matrix = tf.constant([[1, 2, 3], [1, 2, 3]])
cube_matrix = tf.constant([[[1], [2], [3]], [[4], [1], [5]], [[1], [2], [7]]])
print(scalar.get_shape())
print(vector.get_shape())
print(matrix.get_shape())
print(cube_matrix.get_shape())
打印结果:
()
(4,)
(2, 3)
(3, 3, 1)
get_shape方法就是得到张量的形状,也就是几维数组
如何获取张量里面的元素呢?来看下面代码:
import tensorflow as tf
tens1 = tf.constant([[[1, 4], [1, 5]], [[3, 4], [2, 4]], [[2, 4], [8, 4]]])
sess = tf.Session()
print(sess.run(tens1)[1, 1, 0])
sess.close()
相信大家从代码就可以看出,是如何获取到里面的元素了,这里的索引与数组中的索引是一样的从0开始。