TensorFlow

介绍

一个量, 在不同的参考系下按照某种特定的法则进行变换, 就是张量.**

• TensorFlow使用Tensor来表示数据

• TensorFlow 在内部将张量表示为基本数据类型的n维数组

在TensorFlow所有的数据都是一个n维的数组，只是我们给它起了个名字叫做张量(Tensor)

阶（秩）

阶就是平时我们所说的维数。

• 比如我们有一个二维的数组，那么这个阶就是2

• 比如我们有一个三维的数组，那么这个阶就是3

形状

张量的形状可以让我们看到每个维度中元素的数量

int array = new int3

在维度一上元素的个数有3个，在维度二上元素的个数有4个。

如果我们要打印上面数组的形状时，我们可以得到这样的结果：shape = (3,4)。我们再看看第一篇写”机器学习HelloWorld“的时候，再来看看当时打印的结果：shape = (60000, 28, 28)。通过shape我们就可以得到一些信息：

• 当前数组是三维的

• 在第一维中有60000个元素

• 在第二维中有28个元素

• 在第三维中有28个元素

 

 

 

 

数据类型

 

特殊的张量

tf.Variable 变量 tf.constant 常量 tf.placeholder 占位符 tf.SparseTensor 稀疏张量

常量

a = tf.constant(3)

b = tf.constant(2)

变量

1.使用Variable类才创建 tf.random.normal 方法返回形状为（1,4）的张量，他的4个元素符合均值为100、标准差为0.35的正态分布

w = tf.Variable(inital_value = tf.random_normal(shape(1,4),mean=100,stddev=0.35),name="W")

b = tf.Variable(tf.zeros([4]),name="b")

2.使用get_variable的方式来创建

my_int_variable = tf.get_variable("my_int_variable",[1,2,3],dtype=tf.int32,initializer=tf.zeros_initializer)

创建完成之后，每次使用之前，都需要进行初始化！

占位符

文件名需要等到运行的时候才确定下来

train_filenames = tf.placeholder(tf.string,shape=[None])

运行的时候，通过feed_dict将占位符具体的值给确定下来

feed_dict={train_filenames:string_filenames}