TensorFlow神经网络学习之张量与变量概念

目录

• 一、张量定义
• 二、张量属性
• 1、张量的类型
• 2、张量的阶
• 三、张量的指令
• 1、常数张量（普通）
• 2、张量数组
• 1、固定张量数组（0）
• 2、固定张量数组（1）
• 3、随机张量数组
• 3、查看张量值
• 4、张量类型改变
• 5、张量形状改变
• 代码
• 四、变量
• 1、定义变量
• 2、初始化变量
• 3、开启会话（执行）
• 代码

一、张量定义

张量：TensorFlow的张量是n维数组，类型为tf.Tensor。

标量：一个数字 （0阶张量）

向量：一维数组 （1阶张量）

矩阵：二维数组 （2阶张量）

二、张量属性

1、张量的类型

#创建常数张量
    a = tf.constant(3.0)
    print(a)

2、张量的阶

三、张量的指令

1、常数张量（普通）

#创建常数张量
    a = tf.constant(3.0)
    print(a)

2、张量数组

1、固定张量数组（0）

#创建张量数组
    #0：
    array_0 = tf.zeros(shape=[3,3])    #3*3数组（0）

2、固定张量数组（1）

#1：
    array_1 = tf.ones(shape=[3,3])     #3*3数组（1）

3、随机张量数组

#随机：
    array_random = tf.random_normal(shape=[2,3], mean=1.75, stddev=0.12)
#                                   2*3数组      均值(1.75) 标准差

3、查看张量值

查看张量值：张量.eval()

#会话（查看张量）
    with tf.Session() as sess:
        print(a.eval())
        print(array_0.eval())
        print(array_1.eval())
        print(array_random.eval())

4、张量类型改变

#修改张量类型
    array_0 = tf.cast(array_0, tf.int32)

5、张量形状改变

注：属于动态改变张量，需要张量元素个数固定。

#修改张量形状
    array_random = tf.reshape(array_random, shape=[3,2])

修改前：

修改后：

代码

# 张量（创建与修改）
import tensorflow as tf
# 创建张量
def Create_Tensor():
    # 创建常数张量
    a = tf.constant(3.0)
    print(a)

    # 创建张量数组
    # 0：
    array_0 = tf.zeros(shape=[3, 3])  # 3*3数组（0）

    # 1：
    array_1 = tf.ones(shape=[3, 3])  # 3*3数组（1）

    # 随机：
    array_random = tf.random_normal(shape=[2, 3], mean=1.75, stddev=0.12)
    #                                   2*3数组      均值(1.75) 标准差

    # 会话（查看张量）
    with tf.Session() as sess:
        print(a.eval())
        print(array_0.eval())
        print(array_1.eval())
        print(array_random.eval())
# 修改张量
def Modify_Tensor():
    global array_0, array_random
    print('修改后的：')

    # 修改张量类型
    array_0 = tf.cast(array_0, tf.int32)

    # 修改张量形状
    array_random = tf.reshape(array_random, shape=[3, 2])

    # 会话（查看张量）
    with tf.Session() as sess:
        print(array_0.eval())
        print(array_random.eval())

# 创建张量
Create_Tensor()
# 修改张量
Modify_Tensor()

四、变量

1、定义变量

# 定义变量
a = tf.Variable(initial_value=2)
b = tf.Variable(initial_value=4)
c = tf.add(a,b)

2、初始化变量

TensorFlow的变量必须初始化，否则会报错。

# 初始化变量
init = tf.global_variables_initializer()

3、开启会话（执行）

# 开启会话
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(c))

代码

# 变量
import tensorflow as tf

# 定义变量
a = tf.Variable(initial_value=2)
b = tf.Variable(initial_value=4)
c = tf.add(a,b)

# 初始化变量
init = tf.global_variables_initializer()

# 开启会话
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(c))

以上就是TensorFlow神经网络学习之张量与变量概念的详细内容，更多关于TensorFlow的资料请关注我们其它相关文章！