TensorFlow 張量的典型應用

在 tensorflow 中，標量最容易理解，它就是乙個簡單的數字，維度數為0，shape 為

。標量的典型用途之一是誤差值的表示、各種測量指標的表示，比如準確度(accuracy,

acc)，精度(precision)和召回率(recall)等。

以均方差誤差函式為例，經過tf.keras.losses.mse(或tf.keras.losses.mse)返回每個樣本

上的誤差值，最後取誤差的均值作為當前batch 的誤差，它是乙個標量

向量是一種非常常見的資料載體，如在全連線層和卷積神經網路層中，偏置張量?就

使用向量來表示。

如圖所示，每個全連線層的輸出節點都新增了乙個偏置值，把所有輸出節點的偏置表示成向量形式

矩陣也是非常常見的張量型別，

比如全連線層的批量輸入? = [?, ??? ]，其中?表示輸入樣本的個數，即batch size，???表示輸入特徵的長度。

比如特徵長度為4，一共包含2 個樣本的輸入可以表示為矩陣：

4 維張量在卷積神經網路中應用的非常廣泛，它用於儲存特徵圖(feature maps)資料，

格式一般定義為 [?, ℎ,w , ?]

其中?表示輸入的數量，h/w分布表示特徵圖的高寬，?表示特徵圖的通道數，部分深度學

習框架也會使用[?, ?, ℎ, w]格式的特徵圖張量，例如pytorch。

資料是特徵圖的一種，對於含有rgb 3 個通道的彩色，每張包含了h 行w 列畫素點，每個點需要3 個數值表示rgb 通道的顏色強度，因此一張可以表示為[h, w, 3]。

如圖所示，最上層的表示原圖，它包含了下面3 個通道的強度資訊。

神經網路中一般平行計算多個輸入以提高計算效率，故?張的張量可表示為

[?, ℎ,w , 3]。

TensorFlow2 0張量的典型應用

1.標量 標量的典型用途之一是誤差值的表示 各種測量指標的表示，比如準確度，精度和召回率等。import tensorflow as tf 隨機模擬網路輸出 out tf.random.uniform 4 10 隨即構造樣本真實標籤 y tf.constant 2 3,2 0 one hot編碼 y...

TensorFlow（三）張量的典型應用

在 tensorflow 中，標量最容易理解，它就是乙個簡單的數字，維度數為 0，shape 為。標量的一些典型用途是誤差值的表示 各種測量指標的表示，比如準確度 accuracy，簡稱 acc 精度 precision 和召回率 recall 等。向量是一種非常常見的資料載體，如在全連線層和卷積神...

tensorflow 張量的理解

可以把張量理解成乙個陣列或列表，乙個張量有乙個靜態型別和動態型別的維數.張量可以在圖中的節點之間流通.在tensorflow系統中，張量的維數來被描述為階.但是張量的階和矩陣的階並不是同乙個概念.張量的階 有時是關於如順序或度數或者是n維 是張量維數的乙個數量描述.比如，下面的張量 使用python...