4.2 tensorflow基礎型別定義及操作函式介紹
下面介紹tensorflow的基礎型別、基礎函式。這部分學完，會使你對tensorflow的基礎語法有個系統的了解，為後面學習寫**或讀**掃清障礙。
4.2.1 張量及操作
張量可以說是tensorflow的標誌，因為整個框架的名稱tensorflow就是張量流的意思。下面來一起全面的認識一下張量。
1.張量介紹
tensorflow程式使用tensor資料結構來代表所有的資料。計算圖中,操作間傳遞的資料都是tensor。
可以把tensorflow tensor看作是乙個n維的陣列或列表。每個tensor包含了型別（type）、階（rank）和形狀（shape）。
● tensor型別
為了方便理解，這裡將tensor的型別與python的型別放在一起做了個比較，見表4-2。
表4-2張量型別
● rank（階）：
rank（階）指的就是維度。但張量的階和矩陣的階並不是同乙個概念，主要是看有幾層中括號。比如，對於乙個傳統意義上的3階矩陣a=[[1,2,3],[4,5,6],[7,8,9]]來講，在張量中的階數表示為2階。（因為它有兩層中括號）
表4-3列出了標量、向量、矩陣的階數。
表4-3 標量向量和矩陣的階數
● shape（形狀）
shape（形狀）用於描述張量內部的組織關係。「形狀」可以通過python中的整數列表或元組（int list或tuples）來表示，也或者用tensorflow中的相關形狀函式來表示。
舉例：乙個二階張量a = [[1, 2, 3], [4, 5, 6]]形狀是兩行三列，描述為（2,3)。
2.張量相關操作
張量的相關操作包括型別轉換、數值操作、形狀變換和資料操作。
● 型別轉換
型別轉換的相關函式見表4-4。
表4-4 型別變換相關函式
● 數值操作
數值操作的相關函式見表4-5。
表4-5 型別變換相關函式
● 形狀變換
形狀變換的相關函式見表4-6。
表4-6 形狀變換相關函式
表4-7 資料操作相關函式
表4-7 資料操作相關函式
4.2.2 算術運算函式
表4-8列出了tensorflow關於算術運算方面的函式。
表4-8 算術操作
4.2.3 矩陣相關的運算
矩陣相關的操作函式見表4-9。
表4-9 矩陣操作函式
4.2.4 複數操作函式
關於複數的操作函式見表4-10。
表4-10 複數操作函式
4.2.5 規約計算
規約計算的操作都會有降維的功能，在所有reduce_***系列操作函式中，都是以***的手段降維。每個函式都有axis這個引數，即沿某個方向，使用***方法對輸入的tensor進行降維。
axis的預設值時none，即把input_tensor降到 0維，即乙個數。
對於2維input_tensor而言： axis=0按列計算；axis=1，按行計算。
引數reduction_indices是為了相容以前版本與axis，保證相同的含義。
表4-11 規約計算函式
4.2.6 分割
分割操作是tensorflow不太常用的操作，在複雜的網路模型裡偶爾才會用到。
表4-12 分割相關函式
4.2.7 序列比較與索引提取
對於序列和陣列的操作，是本書中非常常用的方法，具體的函式見表4-13。
表4-13 序列比較與索引提取相關函式
4.2.8 錯誤類
作為乙個完整的框架，有它自己的錯誤處理。tensorflow中的錯誤類如下，該部分不是太常用，可以作為工具，使用時查一下即可。
表4-14 錯誤類
Tensorflow 基礎型別定義與操作
張量tensor包含type,rank和shape三個屬性 tensor型別 張量型別 python型別 dt float tf.float32 dt double tf.float64 dt int64 tf.int64 dt int32 tf.int32 dt int16 tf.int16 dt...
經典網路的 TensorFlow 實現資源彙總
本系列文章由 yhl leo 本文簡單整理了網上公布的基於 tensorflow 實現影象語義分析的一些經典網路，方便大家參考學習。tf slim 是 tensorflow 較新版本的擴充包，可以簡化繁雜的網路定義，其中也提供了一些demo 例如 vgg 16 網路，寥寥數行就可以定義完畢 def ...
Tensorflow 基礎概念
g v，e v operation 圖的節點 e tensor 圖的邊 g graph 圖 tensorflow tensor 多維陣列 flow graph 圖 op session回話上下文管理 variable tensor 多維資料變數 placeholder 外部傳入的引數變數 seesi...