tf建立tensor_【tensorflow 张量】创建张量1（1）

末蓝、 2023-01-10 03:59 216阅读 0赞

TensorFlow2

TensorFlow2将动态图机制作为默认模式，将tf.keras作为用于构建和训练模型的标准高阶API![a523adce009417286c0349f2fb00a754.png][]

import tensorflow as  tf

print("TensorFlow version:",tf.\_\_version\_\_)

print("Eager execution is:",tf.executing\_eagerly())![a739ef1ba60c42f0cacc586144e75f71.png][]

创建Tensor对象¶

张量由Tensor类实现，每个张量都是一个Tensor对象，底层是numpy数组

tf.constant()创建张量

参数

value 数字/Python数组/NumPy数组

dtype 元素的数据类型

shape 张量的形状![a523adce009417286c0349f2fb00a754.png][]

\# 参数

tf.constant(\[\[1,2\],\[3,4\]\])![a739ef1ba60c42f0cacc586144e75f71.png][]

.numpy()方法

a = tf.constant(\[\[1,2\],\[3,4\]\])

a.numpy()

type(a)

print(a)![a739ef1ba60c42f0cacc586144e75f71.png][]

参数为数字

张量元素的数据类型

tf.int8 8位有符号整数

tf.int16 16位有符号整数

tf.int32 32位有符号整数

tf.int64 64位有符号整数

tf.uint8 8位无符号整数

tf.float32 32位浮点数

tf.float64 64位浮点数

tf.string 字符串(非Unicode编码的字节数组)

tf.bool 布尔型

tf.complex64 复数，实数部分和虚数部分分别为32位浮点数![a523adce009417286c0349f2fb00a754.png][]

tf.constant(1.0)

tf.constant(1.)

tf.constant(1.0,dtype=tf.float64)![a739ef1ba60c42f0cacc586144e75f71.png][]

参数为numpy数组

import  numpy as np

tf.constant(np.array(\[1,2\]))

\# numpy创建浮点数组时，默认浮点型是64位浮点数

tf.constant(np.array(\[1.0,2.0\]))

tf.constant(np.array(\[1.0,2.0\]),dtype=tf.float32)![a739ef1ba60c42f0cacc586144e75f71.png][]

改变张量中元素的数据类型

a=tf.constant(np.array(\[1,2\]))

b=tf.cast(a,dtype=tf.float32)

b.dtype

a=tf.constant(123456789,dtype=tf.int32)

\# -13035 转换后精度不足，数据溢出

tf.cast(a,tf.int16)![a739ef1ba60c42f0cacc586144e75f71.png][]

参数为布尔型

tf.constant(True)

\# 布尔型转换为整形 0：False 1：True

a=tf.constant(\[True,False\])

tf.cast(a,tf.int32)

\# 整形转换为布尔型 0：False 其它：True

a=tf.constant(\[-1,0,1,2\])

tf.cast(a,tf.bool)![a739ef1ba60c42f0cacc586144e75f71.png][]

参数为字符串

\# 转换为字节串

tf.constant("hello")![a739ef1ba60c42f0cacc586144e75f71.png][]

tf.convert\_to\_tensor()函数

na = np.arange(12).reshape(3,4)

ta = tf.convert\_to\_tensor(na)

type(na)

type(ta)![a739ef1ba60c42f0cacc586144e75f71.png][]

is\_tensor()函数

tf.is\_tensor(na)

tf.is\_tensor(ta)![a739ef1ba60c42f0cacc586144e75f71.png][]

isinstance()函数

isinstance(na,np.ndarray)

isinstance(ta,tf.Tensor)

[a523adce009417286c0349f2fb00a754.png]: /images/20221119/707e70ab852e4d6bb372ffe2b92e3c19.png
[a739ef1ba60c42f0cacc586144e75f71.png]: /images/20221119/192ccbc4e5564c848febb7b46d24e172.png

发表评论取消回复

表情：

评论列表（有 0 条评论，216人围观）

还没有评论，来说两句吧...

相关阅读

相关 tf建立tensor_【tensorflow 张量】创建张量1（1）

TensorFlow2 TensorFlow2将动态图机制作为默认模式，将tf.keras作为用于构建和训练模型的标准高阶API![a523adce009417286c034

末蓝、/ 2023年01月10日 03:59/ 0 赞/ 217 阅读

相关张量是啥？

参考：[【tensorflow】浅谈什么是张量tensor\_sowhat-CSDN博客][tensorflow_tensor_sowhat-CSDN] 所有的输入数据，如字

朱雀/ 2022年09月14日 11:07/ 0 赞/ 147 阅读

相关 Pytorch | Tensor张量

点击上方“机器学习与生成对抗网络”，关注星标获取有趣、好玩的前沿干货！来源：知乎—秦一地址：https://zhuanlan.zhihu.com/p/3993505

- 日理万妓/ 2022年09月09日 06:11/ 0 赞/ 193 阅读

相关张量tensorly笔记（1）——张量基础

![这里写图片描述][70] 一个非常形象的图片表示了从标量到张量的演变过程 -------------------- 使用python里面的numpy库和ten

素颜马尾好姑娘i/ 2022年05月22日 08:24/ 0 赞/ 507 阅读

相关张量分解-张量介绍

张量分解-张量介绍 2016.06.16 张量介绍张量(tensor)是一个多维的数据存储形式，数据的的维度被称为张量的阶。它可以看成是向量和矩阵在多维空间中的推

太过爱你忘了你带给我的痛/ 2022年05月22日 05:15/ 0 赞/ 832 阅读

相关 pytorch 张量

例程1: import torch t2=torch.tensor([[0,1,2],[3,4,5]]) print(t2) print('数

「爱情、让人受尽委屈。」/ 2022年04月11日 09:55/ 0 赞/ 218 阅读

相关 Python TensorFlow，张量，张量的形状、类型、阶

张量是一个类型化的N维数组（tf.Tensor）,由三部分组成：名字，形状，数据类型。张量的阶： ![watermark_type_ZmFuZ3poZW5naGVpdGk

秒速五厘米/ 2022年03月15日 15:10/ 0 赞/ 239 阅读

相关 Python TensorFlow，张量的生成，张量运算的常用API，张量的类型转换 cast，张量的合并 concat

张量的数学函数API：[https://www.tensorflow.org/api\_docs/python/tf/math][https_www.tensorflow.or

超、凢脫俗/ 2022年03月14日 09:42/ 0 赞/ 252 阅读

相关张量求和

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5

╰+攻爆jí腚メ/ 2022年03月06日 04:44/ 0 赞/ 236 阅读

相关 TensorFlow基础：张量

一. 张量的定义不管是几阶，都是张量 ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aH

迈不过友情╰/ 2022年02月20日 08:08/ 0 赞/ 236 阅读