今天老師帶領我們入門TensorFlow2.0。至于tensorflow2.0是啥嘛，詳細的可以度娘一下。我簡述一下,就是一個end-to-end machine-Learning open source plantform(端對端的開源機器學習的平臺)。學習tensorflow需要引入tensor這個概念，tensor的漢語意思就是張量。張量是數學和力學的概念，是矢量的延伸，矢量是一階張量，至于張量具體是什么大家感興趣就度娘吧，我也不是專業的數學研究人員不很懂。tensorflow1.0引入了deferred execution(延遲執行)機制，在構建階段是不執行計算操作的，因此稱為靜態圖，要想執行計算操作，需要創建Session()對象才可以執行計算操作。而在tensorflow2.0里引入了默認執行eager execution機制，無需首先創建靜態圖，可以立刻執行計算操作，并返回結果，不像1.0那樣需要創建Session對象。但是動態圖執行效率不高，不利于后期調試。但是可以在程序調試階段使用動態圖，快速建立模型、調試程序；在部署階段，采用靜態圖機制，從而提高模型的性能和部署能力。tensorflow2.0清理和整合API，將tf.keras作為構建和訓練模型的標準API。
機器學習
安裝tensorflow這個老生常談了。
pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple我們來簡單入門講講tensorflow。它可以運行在GPU、CPU、嵌入式等等平臺。你可以理解為是對numpy的二次封裝，對numpy進行加速運算。numpy只能在CPU里計算，而tensorFlow可以在CPU、GPU、TPU里計算。當tensorflow與numpy一起在CPU里計算時，它們共享同一段內存。
它的基本運算是張量，張量是由Tensor實現，每個張量都是一個Tensor對象。可以使用tf.constant() 函數來創建張量。代碼如下:
import tensorflow as tfa = tf.constant([[1,2],[3,4]])print(a)- value:可以是數字或python列表或numpy數組
- shpae:張量的形狀
- dtype:元素數據類型
dtype:全稱是digital type漢語意思就是數字類型。這就創建了一個二維張量。
運行結果就是:
tf.Tensor([[1 2] [3 4]], shape=(2, 2), dtype=int32)張量還可以使用Numpy方法，代碼如下:
a = tf.constant([[1,2],[3,4]])print(a.numpy)print(type(a))那么運行結果就是:
>使用numpy方式生成張量時需要注意以下幾點:numpy方法創建張量 使用np創建浮點數組時默認64位，而tensorflow默認時float32，但是tensorflow接受時自動轉為64位浮點。一般建議使用np創建數組時建議為float32位足以使用。但是不建議低精度兼容高精度，因為會溢出。比如int32去兼容int64可能會存在溢出。
Python
它的內置API非常多:
- cast()改變張量的數據類型，tensor支持轉變的數據類型有:string int float bool。
- tf.convert_to_tensor()函數其他數據類型轉換成tensor類型
- tf.fill()在tensor張量里自動填充某個元素,第一個參數是shape，第二個是value，根據傳入的value自動判斷數據類型
- tf.constant()也可以實現fill一樣的功能，只不過它的填充數字在前面，shape參數位于后面。
- tf.random.normal(形狀,均值,標準差,數據類型=tf.float32)這個是正態分布函數。均值即為:mean。標準差是:stddev。當mean=0,stddev=1為標準正態分布
- tf.random.truncated_normal()創建隨機數張量。截斷正態分布,基本參數一致。截斷的依據是正態分布的2倍標準差。
- tf.random.set_seed()函數。設置隨機數種子
- tf.random.uniform(shape,minval,maxval,dtype)函數。功能是均勻分布張量，它是一個左閉右開的區間。tf.random.uniform(shape,minval,maxval,dtype='int32')
- tf.random.shuffle()函數。功能是隨機打亂序列。
- tf.range()創建整數序列，是左閉右開區間。
還可以使用字典式訪問tensor對象屬性，依次取出ndim、shape、dtype屬性，代碼如下:
atfc = tf.constant([[3,5],[7,0]])print('ndim:',atfc.ndim)print('shape:',atfc.shape)print('dtype:',atfc.dtype)總結一下:tensorflow所有的運算都是在張量之間運行的。而numpy只是作為input和output使用的。我只是列舉了常用的API，大家有興趣的可以嘗試嘗試。
我始終保持開放的態度學習python，大佬可以批評指正。python之路漫漫，吾將上下而求索。
)
