TensorFlow基础
import TensorFlow as tf
创建张量
- 创建Tensor对象
张量由Tensor类实现，每一个张量都是一个Tensor对象
tf.constant()：创建张量
张量对象.numpy()返回array数组
张量元素的数据类型
tf.constant(1.0,dtype=tf.float64)
改变张量中的数据类型（实行数据转换时，低精度向高精度转换，否则会出现数据溢出）
将其他类型数据转换成张量
tf.istensor(张量对象)：判断是否为张量
- 创建元素值都相同的张量
dims为形状，value为值
tf.fill([2,3],9)
- 创建随机数张量——正态分布
shape：形状；mean：均值；stddev：标准差；dtype：类型；
mean和stddev省略时为标准正态分布，均值为0，标准差为1。默认dtpe为float32 - 截断正太分布
- 创建均匀分布张量
minval：最小值；maxval：最大值；前闭后开区间。 - 随机打乱函数：tf.random.shuffle()
- 创建序列
参数依次为：起始数字，结束数字，步长，类型；前闭后开区间。
依次获取形状，元素总数，维度。
依次获取维度，形状，元素数据类型。
维度变换
改变张量形状
shape中出现-1时表示自动计算该维度元素个数。
增加维度，增加的这个维度上，长度为1
删除维度：只能删除长度为1的维度
交换维度：对于二维矩阵就相当于转置。
拼接张量
分割张量：将一个张量拆分成多个张量，分割后维度不变
中间参数表示分割的分数，若为列表这表示每个张量的长度。
堆叠张量：合并张量时，创建一个新维度
分解张量
; 部分采样
- 索引
gather()函数：用一个索引列表，将给定张量中，对应索引值的元素提取出来。
对多维张量采样：需要制定轴axis
张量运算
- 基本数学运算：各个张量中元素的数据类型必须一致
- 幂指对数运算
- 其他运算
- 重载运算符
当张量和一个数字进行运算时，会将这个数字值广播到张量的各个元素。 - 张量和Numpy数组可以互相转换
当张量和Numpy数组共同参与运算时，执行TensorFlow操作，那么TensorFlow将自动把Numpy数组转换成张量。执行Numpy操作，那么Numpy、将自动把张量转换成Numpy数组。 - 求张量在某个维度上或全局的统计值。
根据condition的真假来返回a，b中的一个值。
Original: https://blog.csdn.net/weixin_44436319/article/details/113079967
Author: 水云仙君
Title: python深度学习之TensorFlow
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/520743/
转载文章受原作者版权保护。转载请注明原作者出处！