TensorFlow2.0学习（一）

学习tensorflow搭建神经网络的第一节

1、张量Tensor：多维数组（列表） 阶：张量的维数

维数           阶           名字                例子

0_D            0          标量scalar        s = 1,2,3

1_D            1          向量vector       v = [1,2,3]

2_D            2          矩阵matrix      m = [[1,2,3],[4,5,6],[7,8,9]]

n_D            n          张量tensor      t = [[[......]]]

2、数据类型

tf.int(整型）   tf.float（浮点型）

tf.int32（32位整型）  tf.float32（32位浮点型）  tf.float64（64位浮点型）

tf.bool(布尔型，1代表True，0代表False)

tf.string(字符串类型）如：tf.constant('hello,world')

3、创建张量

3.1、利用tf.constant()创建张量；

tf.constant(张量内容，dtype = 数据类型（可选））

 

import tensorflow as tf 
a = tf.constant([1,5],dtype = tf.int64)
print(a)
print(a.dtype)
print(a.shape)

 

 

tf.Tensor([1 5], shape=(2,), dtype=int64)
<dtype: 'int64'>
(2,)

　　注：在shape中(2,)，有一个逗号说明是一维张量，2代表有两个元素

3.2、将numpy的数据类型转换为Tensor数据类型，

tf.convert_to_tensor(数据名，dtype = 数据类型（可选））

import tensorflow as tf 
import numpy as np
a = np.arange(0,5)
b = tf.convert_to_tensor(a,dtype = tf.int64)
print(a)
print(b)

[0 1 2 3 4]
tf.Tensor([0 1 2 3 4], shape=(5,), dtype=int64)

3.3、创建特殊类型的张量

tf.zeros(维度）#创建全为0的张量

tf.ones(维度）#创建全为1的张量

tf.fill(维度，指定值）#创建指定值的张量

tf.random.normal(维度，mean = 均值，stddev=标准差)#生成正态分布的随机数，默认均值为0，标准差为1

 

tf.random.truncated_normal(维度，mean = 均值，stddev=标准差)#生成正态分布的随机数，其数值分布在均值减去二倍的标准差和均值加上二倍的标准差之间

tf.random.uniform(维度，minval=最小值，maxval=最大值)#生成在最大值和最小值之间的均匀分布

注：一维直接写个数  二维用[m,n]   多维[m,n,f.........]

import tensorflow as tf 
import numpy as np
a = tf.zeros(4)
b = tf.zeros([3,3])
c = tf.ones(5)
d = tf.ones([3,2,1])
e = tf.fill([2,3],3)
f = tf.random.normal([2,2],mean = 0, stddev = 1)
g = tf.random.truncated_normal([2,2],mean = 1, stddev = 2)
h = tf.random.uniform([3,3],maxval = 9 ,minval =1)
print(a,b,c,d,e,f,g,h)

tf.Tensor([0. 0. 0. 0.], shape=(4,), dtype=float32) tf.Tensor(
[[0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]], shape=(3, 3), dtype=float32)
tf.Tensor([1. 1. 1. 1. 1.], shape=(5,), dtype=float32) 
tf.Tensor([[[1.]
  [1.]]

 [[1.]
  [1.]]

 [[1.]
  [1.]]], shape=(3, 2, 1), dtype=float32)
tf.Tensor(
[[3 3 3]
 [3 3 3]], shape=(2, 3), dtype=int32) 
tf.Tensor(
[[-0.5249151   0.5259417 ]
 [ 0.03927734  0.9640167 ]], shape=(2, 2), dtype=float32)
tf.Tensor([[1.2206056 2.1828222]
 [0.8024043 4.9027243]], shape=(2, 2), dtype=float32)
tf.Tensor([[7.089182  6.730689  8.621998 ]
 [2.5503626 4.885522  3.416994 ]
 [4.168269  3.0248928 6.610244 ]], shape=(3, 3), dtype=float32)