TensorFlow2.0--Chapter02基本概念与操作

TensorFlow2.0–Chapter02基本操作

TensorFlow 是一个端到端开源机器学习平台。它拥有一个全面而灵活的生态系统，其中包含各种工具、库和社区资源，可助力研究人员推动先进机器学习技术的发展，并使开发者能够轻松地构建和部署由机器学习提供支持的应用。

文章目录

• TensorFlow2.0--Chapter02基本操作
• TensorFlow的基本概念
  • 属性和方法
  • 数据类型
  • 常量与变量
  • 变量的特殊性
  • 变量赋值assign
  • 张量的形状
• 基本操作
  • 创建张量
  • 张量的形状
  • 类型转换tf.cast()

TensorFlow的基本概念

属性和方法

数据类型

常量与变量

常量

变量

v1 = tf.Variable([1,2])
v2 = tf.Variable([3,4],dtype=tf.float32)
v1,v2

也可以用张量做初始值

变量的特殊性

变量赋值assign

特殊情况需要人工更新，可以变量赋值语句assign()来实现 还可以assign_add(),assign_sub()方法来实现变量的加法和减法值更新

张量的形状

基本操作

创建张量

在创建张量时只有value值是必填的，dtype等参数可以缺省，会根据具体的value值设定相应的值，例如：

相加tf.add(),指定数据类型为float32

node3输出是一个Tensor

得到Tensor的值，通过.numpy()方法

张量的形状

scalar = tf.constant(100)
vector = tf.constant([1,2,3,4,5])
matrix = tf.constant([[1,2,3],[4,5,6]])
cube_matrix = tf.constant([[[1],[2],[3]],[[4],[5],[6]],[[7],[8],[9]]])
print(scalar.shape)
print(vector.shape)
print(matrix.shape)
print(cube_matrix.shape)

通过切片的方式获取指定数据

类型转换tf.cast()

每个张量都会有唯一的类型，TensorFlow在进行运算的失手会对参与运算的所有张量进行检查

我们可以通过tf.cast进行数据转换

a  = tf.constant([1,2])
b = tf.constant([2.0,3.0])
a = tf.cast(a,tf.float32) #数据类型转换
result = tf.add(a,b)
result