在本章中,无涯教程将学习TensorFlow的基础知识,将从理解Tensor的数据结构开始。
Tensor用作TensorFlow语言中的基本数据结构,Tensor表示任何称为数据流图的连接边,Tensor定义为多维数组或列表。
Tensor由以下三个参数
Rank - Tensor内描述的维度单位称为秩,它标识Tensor的维数,Tensor的秩可以描述为定义的Tensor的阶或n维。
Shape - 行数和列数一起定义Tensor的形状。
Type - 类型描述分配给Tensor元素的数据类型。
TensorFlow包括各种维度,下面简要描述
链接:https://www.learnfk.comhttps://www.learnfk.com/tensorflow/tensorflow-basics.html
来源:LearnFk无涯教程网
一维:一维张量是一种正常的数组结构,它包括一组相同数据类型的值。
>>> import numpy as np >>> Tensor_1d=np.array([1.3, 1, 4.0, 23.99]) >>> print Tensor_1d
输出的实现如-下面的屏幕截图所示
元素的索引与Python列表相同,第一个元素从index 0开始,要通过index打印值,只需索引号即可。
>>> print Tensor_1d[0] 1.3 >>> print Tensor_1d[2] 4.0
二维:数组序列用于创建“二维张量”。
以下是创建二维数组-的完整语法
>>> import numpy as np >>> Tensor_2d=np.array([(1,2,3,4),(4,5,6,7),(8,9,10,11),(12,13,14,15)]) >>> print(Tensor_2d) [[ 1 2 3 4] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]] >>>
可以借助指定为索引号的行号和列号来跟踪二维张量的特定元素。
>>> Tensor_2d[3][2] 14
首先,让无涯教程考虑以下代码-
import Tensorflow as tf import numpy as np matrix1 = np.array([(2,2,2),(2,2,2),(2,2,2)],dtype = 'int32') matrix2 = np.array([(1,1,1),(1,1,1),(1,1,1)],dtype = 'int32') print (matrix1) print (matrix2) matrix1 = tf.constant(matrix1) matrix2 = tf.constant(matrix2) matrix_product = tf.matmul(matrix1, matrix2) matrix_sum = tf.add(matrix1,matrix2) matrix_3 = np.array([(2,7,2),(1,4,2),(9,0,2)],dtype = 'float32') print (matrix_3) matrix_det = tf.matrix_determinant(matrix_3) with tf.Session() as sess: result1 = sess.run(matrix_product) result2 = sess.run(matrix_sum) result3 = sess.run(matrix_det) print (result1) print (result2) print (result3)
上面的代码将生成以下输出-
已经在上面的源代码中创建了多维数组。现在,重要的是要了解创建了图形,管理Tensor并生成适当的输出。
祝学习愉快!(内容编辑有误?请选中要编辑内容 -> 右键 -> 修改 -> 提交!)