学习笔记TF004:张量表示、类型、形状、计算

张量是N维矩阵抽象。一维张量是向量。二维张量是矩阵,三维或以上称N维张量或N阶张量。

输入节点,从接收标量,改为接收向量。.reduce_prod()创建归约乘积Op。reduce_sum()创建归约求和Op。

import tensorflow as tf
a = tf.constant([[[1,2,3],[4,5,6]],[[7,8,9],[1,2,3]]], name="input_a")
b = tf.reduce_prod(a, name="prod_b")#定义节点b,创建归约乘积Op,接收一个N维张量输入,输出张量所有分量(元素)的乘积,以prod_b标识。
c = tf.reduce_sum(a, name="sum_c")#定义节点c,创建归约求和Op,接接收一个N维张量输入,输出张量所有分量(元素)的求和,以sum_c标识。
d = tf.add(b,c, name="add_d")
sess = tf.Session()
out = sess.run(d)
writer = tf.summary.FileWriter('./my_graph', sess.graph)
writer.close()
sess.close()

TensorFlow可接收Python数值、布尔值、字符串、数组。单个数值转化为0阶张量(标量)。数值列表转化为1阶张量(向量)。由列表构成的列表转化为2阶张量(矩阵)。
TensorFlow数据类型:float32、float64、int8、int16、int32、int64、uint8、string、bool、cpmples64(实部32位虚部32位的64位复数)、qint8(有符号用于量化Op)、qint32、quint8(无符号用于量化Op)。

NumPy专为操作N维数组设计的科学计算软件包,是数据科学通用语言。TensorFlow数据类型基于NumPy。任何NumPy数组都可以传递给TensorFlow Op。指定所需数据类型代价最小。NumPy没有与tf.string字符串精确对应的数据类型。TensorFlow可以导入NumPy的字符串数组,但不能在NumPy中显式指定dtype属性。Session.run()方法返回的张量都是NumPy数组。不要用TensorFlow的数据类型初始化NumPy数组。推荐用NumPy手工指定Tensor对象。
张量Shape属性,表示张量的维(阶)数和每一维的长度。张量形状是包含有序整数集的列表(list)或元组(tuple)。元素数量即维数,元素数值即每一维的长度。.shape()创建获取张量形状Op。

import tensorflow as tf
#指定0阶张量(标量)形状
s_0 = 1
#指定1阶张量(向量)形状
s_1_list = [1,2,3]
s_1_tuple = (1,2,3)
#指定2阶张量(矩阵)形状
s_2 = [[2,3],[2,3]]
#指定任意维数任意长度的张量形状
s_any = None
shape = tf.shape(s_2, name="mystery_shape")#创建获取张量形状Op,接收一个张量,输出张量形状,以mystery_shape标识。
sess = tf.Session()
sess.run(shape)

Operation,Op,Tensor对象运算节点,返回张量。在Python中调用创建Op的构造方法,传入所需所有Tensor输入,以及正确创建Op所需属性,返回创建Op的输出(张量)句柄。name属性用描述性字符串指代Op。

运算符重载,为了使运算更加简洁。运算符有一个或多个操作对象为Tensor对象,TensorFlow Op被调用,添加到数据流图。-x,.neg(),x中每个元素的相反数。~x,.logical_not(),x中每个元素的逻辑非,只适用dtype为tf.bool的Tensor对象。abc(),.abs(),x中每个元素的绝对值。x+y,.add(),x、y逐元素相加。x-y,.sub(),x、y逐元素相减。x-y,.sub(),x、y逐元素相减。xy,.multiply(),x、y逐元素相乘。x/y,.div(),x、y逐元素相除,整数张量执行整数除法,浮点数张量执行浮点数除法。x%y,.mod(),逐元素取模。x*y,.pow(),x逐元素为底,y逐元素为指数的幂。x<y,.less(),逐元素计算x<y真值。x<=y,.less_equal(),逐元素计算x<=y真值。x>y,.greater(),逐元素计算x>y真值。x>=y,.greater_equal(),逐元素计算x>=y真值。x&y,.logical_and(),逐元素计算x&y真值,元素dtype必须为tf.bool。x|y,.logical_or(),逐元素计算x|y真值,元素dtype必须为tf.bool。xy,.logical_xor(),逐元素计算xy真值,元素dtype必须为tf.bool。
运算符重载无法为Op指定name。==判断两个Tensor对象名是否引用同一个对象。.equal()和.not_equal()判断张量值是否相同。

参考资料:
《面向机器智能的TensorFlow实践》

欢迎加我微信交流:qingxingfengzi

我的微信公众号:qingxingfengzigz

我老婆张幸清的微信公众号:qingqingfeifangz

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,185评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,445评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,684评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,564评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,681评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,874评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,025评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,761评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,217评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,545评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,694评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,351评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,988评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,778评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,007评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,427评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,580评论 2 349

推荐阅读更多精彩内容

  • TF API数学计算tf...... :math(1)刚开始先给一个运行实例。tf是基于图(Graph)的计算系统...
    MachineLP阅读 3,451评论 0 1
  • 1「了解しました」 职场上面对上司经常会使用这一句,但其实这句是错误的敬语。想告诉上司“我知道了”,应该用「かしこ...
    日本邦阅读 649评论 0 3
  • 彩袖殷勤捧玉钟,当年拚却醉颜红。舞低杨柳楼心月,歌尽桃花扇底风。从别后,忆相逢。几回魂梦与君同。今宵剩把银釭照,犹...
    尘里微光阅读 377评论 0 1
  • 雨还没停... 淅淅沥沥的,从前天下午开始的,到现在还没停呢。 我睁开眼,她要去上班了。一如既往...
    静默吉祥阅读 128评论 0 0
  • wozi压力罐是利用罐内空气的可压缩性来调节和贮存水量并使之保持所需压力的,所以又叫气压给水设备,其作用相当于水塔...
    JD319阅读 264评论 0 0