本章节介绍TensorFlow基础类型的定义以及张量的一些操作。其他部分前往:TensorFlow 学习目录
目录
一、张量tensor
tensor定义:看成是一个 n 维数组或者列表。
tensor属性:类型(type)、阶(rank)和形状(shape),这里着重注意其形状
(1)tensor 类型
(2)rank 阶:特指tensor的维度
[[1, 2, 3], [3, 4, 5]] # rank = 2
(3)shape 形状:特指tensor内部的组织关系。
a = [[1, 2, 3], [4, 5, 6]]
# a的shape = (2, 3)表示两行三列
二、张量的相关操作
(1)类型转换
(2)数值操作
类型变换相关函数,下面的这些操作,都可以用作变量的一下初始赋值
(3)形状变换
改变tensor的形状,便于适应不同的神经网络的输入
(4)数据的操作
(5)算数运算
(6)矩阵的运算
(7)复数的运算
(8)规约计算
通过不同的方式对tensor进行将为操作,其中需要注意参数axis的默认值是None,表示把一个tensor降到0维度,也就是一个数。对于二维的tensor来说,axis=0,表示按列计算(一行一行向下操作),axis=1,表示按行计算(一列一列向右操作)。
(9)分割
该操作在TensorFlow中不常用,但是在复杂的网络模型中会被用到。