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。
文章目录
- TensorFlow2.0--Chapter02基本操作
- TensorFlow的基本概念
- 属性和方法
- 数据类型
- 常量与变量
- 变量的特殊性
- 变量赋值assign
- 张量的形状
- 基本操作
- 创建张量
- 张量的形状
- 类型转换tf.cast()
TensorFlow的基本概念
属性和方法
数据类型
常量与变量
常量
变量
v1 = tf.Variable([1,2])
v2 = tf.Variable([3,4],dtype=tf.float32)
v1,v2
也可以用张量做初始值
变量的特殊性
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
张量的形状
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：
相加tf.add(),指定数据类型为float32
node3输出是一个Tensor
得到Tensor的值，通过.numpy()方法
张量的形状
代码语言：javascript复制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)
通过切片的方式获取指定数据
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
我们可以通过tf.cast进行数据转换
代码语言：javascript复制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
