目錄

?

一、什么是Tensor？

二、Tensorflow常見數據類型

三、Tensorflow常見屬性device\cpu\gpu\ndim\shape\rank等

1、創建一個tensor

1）tf.constant()

2)tf.Variable()

2、判斷一個變量是否為tensor張量

?3、生成不同設備（cpu,gpu）上的tensor

4、判斷一個tensor工作的設備

5、cpu和gpu不同設備上tensor的轉換

6、tensor載體上的數據和numpy庫上的數據的相互轉換

7、判斷變量的數據類型

8、判斷變量的維度

?9、tensor下不同數據類型之間進行轉換

一、什么是Tensor？

Tensor實際上就是Tensorflow中的數據載體，可以囊括所有的數據類型，如標量、矩陣、向量等

專門為神經網絡中深度學習設計的一個框架中的數據載體

二、Tensorflow常見數據類型

import tensorflow as tf

三、Tensorflow常見屬性device\cpu\gpu\ndim\shape\rank等

1、創建一個tensor

具體可見:《【tensorflow】——創建tensor的方法》

1）tf.constant()

a=tf.constant(數據)

2)tf.Variable()

這個是專門為神經網絡的參數進行設置的一個數據類型，它含有兩個屬性，一個是name，一個是train able

a = tf.range(4)#[0,1,2,3]b = tf.Variable(a,name = "變量名")b.nameb.trainable#返回True，表示是可以訓練的變量，系統會自動對該變量的梯度進行監督（watch）

?

2、判斷一個變量是否為tensor張量

import tensorflow as tftf.is_tensor(變量名)#是tensor返回True，否則返回False

?3、生成不同設備（cpu,gpu）上的tensor

import tensorflow as tf#創建cpu設備上的tensor變量a
with tf.device("cpu"):a=tf.constant(1)#創建gpu設備上的tensor變量a
with tf.device("gpu"):b=tf.constant(1.1)

4、判斷一個tensor工作的設備

tf.device(變量名)#返回的是一個字符串，含有當前tensor所工作的環境設備

5、cpu和gpu不同設備上tensor的轉換

不同設備上的變量有些操作是不能進行的，如a,b的加法，就需要在同一個設備環境下，才能進行，否則會報錯，這時候就需要使用到不同設備間tensor的轉換了

#假設a是cpu上的tensor，b是gpu上的tensoraa = a.gpu()#返回的是gpu上的tensor，當然不會影響原來的tensor a所在的設備環境bb = b.cpu()#返回的是cpu上的tensor，當然不會影響原來的tensor b所在的設備環境

6、tensor載體上的數據和numpy庫上的數據的相互轉換

這是兩個數據庫，可以看成是數據載體，都可以生成不同類型的數據，但是要想數據間進行操作，必須轉換成同一個載體下的數據才能進行操作

import tensorflow as tf#tensor轉換為numpy變量名.numpy()#如果tensor是一個標量scalar的話，也可以通過下面的方法進行轉換為numpyint(a)
float(a)#numpy轉換為tensortf.convert_to_tensor(變量名，dtype=tf.數據類型)

7、判斷變量的數據類型

a.dtype,b.dtype,c.dtyp#返回三個變量的數據類型(tf.float32,tf.bool,tf.string)#表示在tensor數據載體下的各種數據類型#要是想驗證某一個變量是否為具體的數據類型，可以通過以下方法a.dtype == tf.float32#返回布爾類型，是返回True，不是返回False

8、判斷變量的維度

維度是指是標量還是向量還是矩陣抑或是更高維的數據

b.ndim#返回的是一個標量，一個值，等于維度tf.rank(b)#返回的是一個含有變量b相關信息的tensor

?

9、tensor下不同數據類型之間進行轉換

tf.cast(變量名，dtype=需要轉換成的數據類型)#例如tf.cast(aa,dtype = float32/double/int32)

布爾型和整型的轉化

?

?