【01】tensorflow2基础

文章目录

• • 数据类型
  • • 基本数据类型有
    • 通过TensorFlow的方式去创建张量
    • tensor常见且有用的属性
    • numpy转tensor

数据类型

几乎所有数据都可以叫张量（tensor），根据维度来区分，可以分为：

• 标量(Scalar)。单个的实数，如1.2, 3.4 等，维度(Dimension)数为0，shape 为[]。

• 向量(Vector)。n个实数的有序集合，通过中括号包裹，如[1.2]，[1.2, 3.4]等，维度数为1，长度不定，shape 为[n]。

• 矩阵(Matrix)。n行m列实数的有序集合，如[[1,2], [3,4]]，也可以写成 [ 1 2 3 4 ] \begin{bmatrix}1&2\\3&4\\\end{bmatrix} [13​24​]，维度数为2，每个维度上的长度不定，shape 为[n, m]。

• 张量(Tensor)。所有维度数dim > 2的数组统称为张量。张量的每个维度也作轴(Axis)，一般维度代表了具体的物理含义，比如Shape 为[2, 32, 32, 3]的张量共有4 维，如果表示图片数据的话，每个维度/轴代表的含义分别是图片数量、图片高度、图片宽度、图片通道数，其中2 代表了2 张图片，32 代表了高、宽均为32，3 代表了RGB 共3 个通道。张量的维度数以及每个维度所代表的具体物理含义需要由用户自行定义。

在 TensorFlow 中间，为了表达方便，一般把标量、向量、矩阵也统称为张量，不作区分，需要根据张量的维度数或形状自行判断，

基本数据类型有

int、float、double、bool （0和1、true和false）、string

通过TensorFlow的方式去创建张量

如果要使用TensorFlow 提供的功能函数，须通过TensorFlow 规定的方式去创建张量

• 创建标量tf.constant(1.2)
  

  
  

  id 是TensorFlow 中内部索引对象的编号，shape 表示张量的形状，dtype 表示张量的数值精度

tensor常见且有用的属性

• x.device返回当前tensor所在设备的名字
  

  

• tensor在设备上的转移
  

  - tensor转numpy
  

  

• 返回维度
  

  

• 判断数据是否是tensor
  

  

• 判断数据类型
  

  

numpy转tensor

• convert_to_tensor
  

  

• cast
  

  

• 整形转布尔型