本文共 2161 字，大约阅读时间需要 7 分钟。

张量

tensorflow中的基本数据是tensor（张量），可以看作是多维数组或列表类型。

张量的创建

使用tf.constant()创建张量，tf.constant()的语法格式为：

tf.constant(value,dtype,shape)

value用来指定数据，dtype用来显式地声明数据类型，shape用来指定数据的形状，

例如，要生成一个两行三列全为类型int32的数字2的张量，可以使用以下代码：

import tensorflow as tfa = tf.constant(3,dtype=tf.int32,shape=(2,3))print(a)

但是由于tensor中的整型数据默认是tf.int32的，dtype可以不用显式地指定。

tensorflow所生成的张量都可以用numpy方法转换成对应的数据，例：

import tensorflow as tfa = tf.constant(3,dtype=tf.int32,shape=(2,3))print(a)print(a.numpy())

tensor的数据类型有：

constant函数的value参数除了可以是数字外，还可以是numpy数组，例：

import numpy as npb=np.array([1,2,3])c=tf.constant(b)print(c)

全0张量与全1张量的创建

使用tf.zeros与tf.ones函数进行创建。语法格式：

tf.zeros(shape,dtype = tf.float32)tf.ones(shape,dtype = tf.float32)

例：

b = tf.zeros(2)c = tf.ones([2, 3])print("b=", b)print("c=", c)

如果要指定维度大于2的张量，可以将行列数写进数组，如c = tf.ones([2, 3])表明创建两行三列的全一张量。

创建元素值都相同的张量

tf.fill()函数用于创建值都相同的张量，语法格式为：

tf.fill(dims,value)

tf.fill()函数没有dtype参数，它根据传递进的参数自动判断数据类型的。dims用于指定形状，例：

d = tf.fill(dims=[2,3],value=9)print("d=",d)

创建随机数张量

正态分布

语法格式：

tf.random.normal(shape,mean,stddev,dtype)

mean意为均值，stddev为标准差，

例，创建2X2的正态分布随机数张量：

e = tf.random.normal([2, 2])print("e=",e)

截断正态分布

语法格式：

tf.random.truncated_normal(shape, mean, stddev,)

返回值是一个截断的正态分布，截断的标准是2倍的标准差。

创建均匀分布张量

语法格式：

tf.random.uniform(shape, minval, maxval, dtype)

minval表示最小值，maxval表示最大值，前闭后开，不包括最大值。

例：

f = tf.random.uniform(shape=[2, 3], minval=0, maxval=10)print("f=", f)

随机打乱

tf.random.shuffle(x)函数意为随机打乱张量x的第一维，但其实它是可以打乱列表或者数组的，打乱后返回张量类型。

创建序列

tf.range()函数可以创建序列，用法与python中的range函数类似。语法格式：

tf.range(start, limit, delta=1, dtype)

start与limit分别表示起始数字与结束数字，前闭后开，delta表示步长。

改变张量数据类型

使用tf.cast可以改变张量的数据类型，语法格式为：

tf.cast(x,dtype)

例，将tf.int32改变成tf.float32类型

a = tf.constant(12,dtype=tf.int32,shape=(2,3))tf.cast(a,dtype=tf.float32)print(a)

tf.convert_to_tensor函数能将各种类型的Python对象转换为张量对象。它接受张量对象、数字数组、Python列表和Python标量。

a = [i for i in range(10)]print("a_type=",type(a))b = tf.convert_to_tensor(a)print(b)

tensor对象的属性

可以直接输出张量的ndim（维度）、shape、dtype属性，例：

a = tf.constant(value=2, shape=(2, 3), dtype=tf.float32)print(a.ndim)print(a.dtype)print(a.shape)

也可以使用tensorflow的size、rank、shape函数来得到张量的长度、维度、形状属性。

print(tf.size(a))print(tf.shape(a))print(tf.rank(a))

转载地址：https://blog.csdn.net/PeZXO/article/details/106462816 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！