TensorFlow2.0--Chapter02基本概念与操作

Deep learning 专栏收录该内容
9 篇文章 0 订阅

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。

在这里插入图片描述

TensorFlow的基本概念

在这里插入图片描述

在这里插入图片描述

属性和方法

在这里插入图片描述

数据类型

在这里插入图片描述

常量与变量

常量
在这里插入图片描述
变量
在这里插入图片描述

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

在这里插入图片描述
也可以用张量做初始值
在这里插入图片描述

变量的特殊性

在这里插入图片描述

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
在这里插入图片描述
在这里插入图片描述

张量的形状

在这里插入图片描述

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:
在这里插入图片描述
相加tf.add(),指定数据类型为float32
在这里插入图片描述
node3输出是一个Tensor
在这里插入图片描述
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)

在这里插入图片描述
通过切片的方式获取指定数据
在这里插入图片描述

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
在这里插入图片描述
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

在这里插入图片描述

  • 5
    点赞
  • 2
    评论
  • 1
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

相关推荐
©️2020 CSDN 皮肤主题: Age of Ai 设计师:meimeiellie 返回首页
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值