tensorflow
1、tensor就是張量，多維陣列，多維列表，階表示張量的維數（dimension）維數階
名字例子
0-d標量scalar
s=1 2 3
1-d向量vector
v=[1,2,3]
2-d矩陣matrix
m=[[1,2,3],[4,5,6],[7,8,9]]
n-dn
張量tensor
t=[[[
2、資料型別
tf.int,tf.float……
tf.int32 tf.float32 tf.float64
tf.bool
tf.constant([true,false])
tf.string
tf.constant(「hello,world!」)
3、建立乙個張量
tf.constant(張量內容，dtype=資料型別（可選）)
import tensorflow as tf
a = tf.constant([1,5],dtype=tf.int64)
print(a)
print(a.shape)
print(a.dtype)
執行結果：
建立全為0的張量
tf.zeros(維度)
建立全為1的張量
tf.ones(維度)
建立全為指定值的張量
tf.fill(維度，指定值)
a = tf.zeros([2,3])
b = tf.ones(4)
c = tf.fill([2,2],9)
print(a)
print(b)
print(c)
執行結果：
建立乙個tensor
生成正態分佈的隨機數，預設均值為0，標準差1
tf.random.normal(維度，mean=均值，stddev=標準差)
生成截斷式正態分佈的隨機數
tf.random.truncated_normal(維度，mean=均值，stddev=標準差)
在tf.truncated_normal中如果生成了隨機生成資料的取值在（）之間
生成指定維度的均勻分布隨機數[minval,maxval]
tf.random.uniform(維度，minval=最小值，maxval=最大值)
tf.random,uniform([2,2],minval=0,maxval=1)
print(f)
4、常用函式
強制tensor轉換為該資料型別
tf.cast(張量名，dtype=資料型別)
計算張量維度上元素的最小值
tf.reduce_min(張量名)
計算張量維度上元素的最大值
tf.reduce_max(張量名)
x1=tf.constant([1.,2.,3.],
dtype=tf.float64)
print(x1)
x2 = tf.cast(x1,tf.int32)
print(x2)
print(tf.reduce_min(x2),
tf.reduce_max(x2))
切分傳入張量的第一維度，生成輸入特徵/標籤對，構建資料集
data = tf.data.dataset.from_tensor_slices((輸入特徵，標籤))
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...
tensorflow2 0 建立張量2
建立全0全1張量 a tf.ones shape 3,5 print a a b tf.ones 6 print b b c tf.zeros 2,3 dtype tf.int32 print c c print 建立元素值都相同的張量 a tf.fill 3,4 3.9 print 全相同張量fi...
Tensorflow2 0學習筆記 建立張量
使用constant建立張量 使用constant函式建立張量 其中 1，5 表示張量內容，dtype表示資料型別 a tf.constant 1,5 dtype tf.int32 輸出a，a的資料型別，a的形狀 print a print a.dtype print a.shape 輸出結果 tf...