人工智能|Tensorflow-2.0学习笔记:基础操作篇一
人工智能|Tensorflow-2.0学习笔记:基础操作篇一
数据类型与tensor创建
一、数据类型
- 1. TF中的数据表达
tensor是tensorflow上数据的载体
what's Tensor
标量 scalar : 1.1
向量 vector :[1.1],[1.1,2.2,...]
矩阵 matrix :[[0.7,1.5],[2.1,3],[5,6]]
维度大于2的矩阵 tensor : rank>2
从工程上来讲所有数据都可以叫做tensor
2.TF中的数据类型
int,float,double
bool
string
创建一个常量or创建一个标量tensor
a=tf.constant(1)#默认为32位 b=tf.constant(2.,dtype=tf.double)#创建浮点型tensor，并指定为双精度 c=tf.constant([True,False])#创建布尔型 d=tf.constant('hello,word')#创建字符串型 |
|---|
tensor常用属性
指定tensor在哪个设备上运行，gpu or cpu
with tf.device("cpu"): a=tf.constant([1]) with tf.device('gpu'): b=tf.range(4) |
|---|
查看tensor在哪个设备上运行
a.device b.device |
|---|
tensor的运行设备转移
aa=a.gpu() bb=b.cpu() |
|---|
将tensor转换成numpy
b.numpy() |
|---|
查看维度
b.ndim#返回维度 tf.rank(b)#或者这个，还能查看shape和dtype b.shape()#与python中的shape功能相似 |
|---|
判断某个数据是不是tensor,以下两种方式
isinstance(a,tf.Tensor) tf.is_tensor(b) |
|---|
数据类型转换
#查看数据类型 a.dtype,b.dtype #判断数据类型 a.dtype=tf.float32 #数据类型转换 a=np.arange(5)#numpy生成的数据都默认为64位 aa=tf.convert_to_tensor(a)#转换为tensor aa=tf.convert_to_tensor(a,dtype=tf.int32)#转换为tensor，并改为32位 tf.cast(aa,dtype=tf.float32)#将aa转换为浮点型32位 b=tf.constant([0,1]) tf.cast(b,dtype=tf.bool)#整型0、1可以和布尔类型相互转换 |
|---|
Variable 变量，可更改优化的数据。在tensorflow中Variable自带可求导特性
a=tf.range(5) b=tf.Variable(a) #isinstance存在一些问题，一般建议用tf.is_tensor isinstance(b,tf.Tensor)#False tf.is_tensor(b)#True #返回tensor中的具体数据 a.numpy() |
|---|
二、创建tensor
1.formnumpy,list 从numpy和python的list中经转换得到
2.zeros,ones np.zeros、np.ones，tf.zeros、tf.ones
3.fill 随意用某个数填充
4.random 随机化的初始化
5.constant 标量
6.Application
#直接用List,要求list中的数据都可以转换为可计算的数据 tf.convert_to_tensor([1,2]) tf.convert_to_tensor([[1],[2.0]]) #ones,zeros接受的数据是shape，[2,3]指生成二行三列的矩阵 tf.convert_to_tensor(np.ones[2,3]) tf.convert_to_tensor(np.zeros[2,3]) #与上方功能相同 tf.ones([2,3]) tf.zeros([2,3]) tf.zeros_like(a)#生成与a的shape相同的全0矩阵 #等同于 tf.zeros(a.shape) tf.fill([2,2],9)#生成2行2列的tensor，并用9填充 |
|---|
Random初始化
#正态分布初始化 tf.random.normal([2,2],mean=1,stddey=1)#生成2行2列的tensor，其中的每个值都通过正态分布得出 #mean是均值、stddey是方差。不填默认0、1，标准正态分布 #截断正态分布,去除正态分布中左右两侧较少的分布区域值，一般来说比直接的正态分布好 tf.random.truncated_normal([2,2],mean=0,stddey=1) #均匀分布 tf.random.uniform([2,2],minval=0,maxval=1)#从0到1之间均匀采样 |
|---|
随机打散
假设现在a中有48张照片，28*28，3通道的，用tensor表示为[48,28,28,3].。现在要将这些照片顺序打散。
index=tf.range(48)#生成对应索引，每个索引对应一张照片 idx=tf.random.shuffle(index)#将index随机打乱，但是图片的顺序还没发生变化 a=tf.gather(a,index)#用gather函数可以让照片与被打乱的index一一对应，这样就实现了随机打散 |
|---|
END