【tensorflow2.0】张量数据结构

发布时间：2020-12-14 14:17:27 所属栏目：百科来源：网络整理

导读：程序 = 数据结构+算法。 TensorFlow程序 = 张量数据结构 + 计算图算法语言张量和计算图是 TensorFlow的核心概念。 Tensorflow的基本数据结构是张量Tensor。张量即多维数组。Tensorflow的张量和numpy中的array很类似。从行为特性来看，有两种类型的张量，常

程序 = 数据结构+算法。

TensorFlow程序 = 张量数据结构 + 计算图算法语言

张量和计算图是 TensorFlow的核心概念。

Tensorflow的基本数据结构是张量Tensor。张量即多维数组。Tensorflow的张量和numpy中的array很类似。

从行为特性来看，有两种类型的张量，常量constant和变量Variable.

常量的值在计算图中不可以被重新赋值，变量可以在计算图中用assign等算子重新赋值。

一，常量张量

张量的数据类型和numpy.array基本一一对应。

import numpy as np
 tensorflow as tf
i = tf.constant(1) # tf.int32 类型常量
l = tf.constant(1,dtype = tf.int64)  tf.int64 类型常量
f = tf.constant(1.23) tf.float32 类型常量
d = tf.constant(3.14,dtype = tf.double)  tf.double 类型常量
s = tf.constant("hello world")  tf.string类型常量
b = tf.constant(True) tf.bool类型常量
 
 
print(tf.int64 == np.int64) 
print(tf.bool == np.bool)
print(tf.double == np.float64)
print(tf.string == np.unicode)  tf.string类型和np.unicode类型不等价

True True True False

不同类型的数据可以用不同维度(rank)的张量来表示。

标量为0维张量，向量为1维张量，矩阵为2维张量。

彩色图像有rgb三个通道，可以表示为3维张量。

视频还有时间维，可以表示为4维张量。

可以简单地总结为：有几层中括号，就是多少维的张量。

scalar = tf.constant(True)  标量，0维张量
 
print(tf.rank(scalar))
print(scalar.numpy().ndim)   tf.rank的作用和numpy的ndim方法相同

<tf.Tensor: shape=(),dtype=int32,numpy=0>

vector = tf.constant([1.0,2.0,3.0,4.0]) 向量，1维张量
 
(tf.rank(vector))
print(np.ndim(vector.numpy()))

tf.Tensor(1,shape=(),dtype=int32)

matrix = tf.constant([[1.0,2.0],[3.0,4.0]]) 矩阵,2维张量
 
(tf.rank(matrix).numpy())
print(np.ndim(matrix))

tensor3 = tf.constant([[[1.0,4.0]],[[5.0,6.0],[7.0,8.0]]])   3维张量
(tensor3)
print(tf.rank(tensor3))

tf.Tensor( [[[1. 2.] [3. 4.]] [[5. 6.] [7. 8.]]],shape=(2,2,2),dtype=float32)

tf.Tensor(3,dtype=int32)

tensor4 = tf.constant([[[[1.0,1.0],[2.0,2.0]],[[3.0,3.0],[4.0,4.0]]],[[[5.0,5.0],[6.0,6.0]],[[7.0,7.0],[8.0,8.0]]]])   4维张量
(tensor4)
print(tf.rank(tensor4))

tf.Tensor( [[[[1. 1.] [2. 2.]] [[3. 3.] [4. 4.]]] [[[5. 5.] [6. 6.]] [[7. 7.] [8. 8.]]]],dtype=float32)

tf.Tensor(4,dtype=int32)

可以用tf.cast改变张量的数据类型。

可以用numpy方法将tensorflow中的张量转化成numpy中的张量。

可以用shape方法查看张量的尺寸。

h = tf.constant([123,456],dtype = tf.int32)
f = tf.cast(h,tf.float32)
(h.dtype,f.dtype)
<dtype: 'int32'> <dtype: float32'>


y = tf.constant([[1.0,1)">]])
print(y.numpy()) 转换成np.array
(y.shape)
[[1. 2.]
 [3. 4.]]
(2,2)

u = tf.constant(u你好 世界")
(u.numpy())  
print(u.numpy().decode(utf-8))
bxe4xbdxa0xe5xa5xbd xe4xb8x96xe7x95x8c'
你好 世界

二，变量张量

模型中需要被训练的参数一般被设置成变量。

 常量值不可以改变，常量的重新赋值相当于创造新的内存空间
c = tf.constant([1.0,2.0])
(c)
(id(c))
c = c + tf.constant([1.0,1.0print(id(c))

tf.Tensor([1.?2.],?shape=(2,),?dtype=float32)
5276289568
tf.Tensor([2.?3.],?dtype=float32)
5276290240

 变量的值可以改变，可以通过assign,assign_add等方法给变量重新赋值
v = tf.Variable([1.0,name = v(v)
(id(v))
v.assign_add([1.0,1)">print(id(v))

<tf.Variable?'v:0'?shape=(2,)?dtype=float32,?numpy=array([1.,?2.],?dtype=float32)>
5276259888
<tf.Variable?'v:0'?shape=(2,?numpy=array([2.,?3.],?dtype=float32)>
5276259888

参考：

开源电子书地址：https://lyhue1991.github.io/eat_tensorflow2_in_30_days/

GitHub 项目地址：https://github.com/lyhue1991/eat_tensorflow2_in_30_days

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!