【深度之眼tensorflow2.0框架项目班】1.张量与操作weixin39122088的博客-人工智能

刚刚听完了深度之眼的tf第一节的课程，Gauss讲的非常好，但是因为信息量比较大，所以在这里做个总结，也相当于复习下新知识，今天开始每期都会更新，大家一起努力，做tfboy！
张量（Tensor）：tf中的多维数组，阶数就是张量的维数，判断一个张量的维数我们可以通过中括号的层数，例如：[[[1,2],[3,4]],[[5,6],[7,8]],[[9,10],[11,12]]]，这个张量有三层中括号所以是三维张量，第一层嵌套了三个中括号，所以第一个维度是3，第二层嵌套了两个，所以第二个维度是2，同理第三个维度也是2，因此这个张量的维度是（3，2，2）.

#创建一个张量 import tensorflow as tf a = tf.constant([1,5],dtype=tf.int64) print(a) print(a.dtype) print(a.shape)  运行结果： <tf.Tensor([1,5], shape=(2 , ) , dtype=int64) <dtype: 'int64'> (2,) 

#下面是一些常用的创建Tensor的函数  a = tf.zeros([2, 3]) #创建一个2*3的全是0的Tensor b = tf.ones(4，2) #创建一个4*2的全是1的Tensor c = tf.fill([2, 2], 9) #创建一个2*2的全是9的Tensor #random是tf中一个非常重要的模块，在初始化权重值的时候我们经常要用到 #生成正态分布的随机数，默认均值为0，标准差为1 tf. random.normal (维度，mean=均值，stddev=标准差) #生成截断式正态分布的随机数 tf. random.truncated_normal (维度，mean=均值，stddev=标准差) #生成均匀分布随机数 [ minval, maxval ) tf. random. uniform(维度，minval=最小值，maxval=最大值) 

在神经网络进行运算的时候，所有的Tensor的数据类型必须一致，否则无法进行计算，因此我们还需要掌握转换数据类型的函数：

#强制tensor转换为该数据类型 tf.cast (张量名，dtype=数据类型)  x1 = tf.constant ([1., 2., 3.], dtype=tf.float64) print(x1) x2 = tf.cast (x1, tf.int32) print(x2)  运行结果： tf.Tensor([1. 2. 3.], shape=(3,), dtype=float64) tf.Tensor([1 2 3], shape=(3,), dtype=int32) 

接下来介绍一些tf中对张量常用的数学计算函数（函数很简单，可以自行创建张量并运行）：

#实现两个张量的对应元素相加 tf.add (张量1，张量2) #实现两个张量的对应元素相减 tf.subtract (张量1，张量2) #实现两个张量的对应元素相乘 tf.multiply (张量1，张量2) #实现两个张量的对应元素相除 tf.divide (张量1，张量2) #计算某个张量的平方 tf.square (张量名) #计算某个张量的n次方 tf.pow (张量名，n次方数) #计算某个张量的开方 tf.sqrt (张量名）  #实现两个矩阵的相乘 tf.matmul(矩阵1，矩阵2)