Tensorflow 张量笔记
一,Tensor类型
可与Python类型对比学习
Tensor类型 | Python类型 | 描述 |
---|---|---|
DT_FLOAT | tf.float32 | 32位浮点数 |
DT_DOUBLE | tf.float64 | 64位浮点数 |
DT_INT64 | tf.int64 | 64位有符号整型 |
DT_INT32 | tf.int32 | 32位有符号整型 |
DT_INT16 | tf.int16 | 16位有符号整型 |
DT_INT8 | tf.int8 | 8位有符号整形 |
DT_UINT8 | tf.iunt8 | 8位无符号整形 |
DT_STRING | tf.string | 可变长度的字节数组,每一个元素都是一个字节数组 |
DT_BOOL | tf.bool | 布尔型 |
DT_COMPLEX64 | tf.complex64 | 由两个32位浮点数组成的负数:实数和虚数 |
二,Rank(阶)
简单说就是维度
Rank | 实例 | 例子 |
---|---|---|
0 | 标量(大小) | a = 1 |
1 | 向量(大小、方向) | b = [1,1,1,1] |
2 | 矩阵(数据表) | c = [[1,1],[1,1]] |
3 | 3阶张量(数据立体) | d = [[[1,1],[1,1],[1,1]]] |
n | n阶 | e = [[[…[1],[1],[1]…]]](n层中括号) |
三,Shape(形状)
shape用于描述张量内部的组织关系
eg:a = [[1,2,3],[4,5,6],[7,8,9]]
shape是两行三列,描述为(2,3)