深度学习|从0开始的深度学习——【tensorflow】如何生成一个基本张量深度学习|tensorflow

什么是张量 【深度学习|从0开始的深度学习——【tensorflow】如何生成一个基本张量】Tensor:(向量)

维数	名字	例子
0	标量	s=1
1	向量	s=[1,2,3,4,5]
2	矩阵	s=[ [1,2,3 ], [4,5,6 ] ]
n	张量	s=[ [ [ [… ] ] ] ]

数据类型：

tf.int/tf.float: tf.int32, tf.int64, tf.float32,tf.float64 tf.bool: tf.constant([True,False])//tf.constant()是申明一个常量 tf.string： tf.constant("I Love You")

创建一个Tensor:

tf.constant(张量内容，dtype=数据类型)

文章图片

运行结果：

文章图片

表示一个一位张量（数组），里面是【2，3】，数据类型是float32.
数据的转化：
eg:将numpy的数据转化为Tensor类型：

文章图片

结果：

文章图片

其它创建方法：

tf.zeros(维度):创建一个全为0的张量。
tf.ones(维度):创建一个全为1的张量。
tf.fill(维度，指定值):将这个张量全部设置为指定值。

文章图片

文章图片
随机生成张量：

import tensorflowas tf import numpy as np #随机生成3行4列的张量，里面的元素符合以1为均值，0.1为标准差的数据： d = tf.random.normal([3,4],mean=1,stddev=0.1)#随机生成2行2列的张量，里面的元素最小值为1，最大值为2: f = tf.random.uniform([2,2],minval=1,maxval=2)print(d) print(f)

运行结果：