Tensorflow入门教程四—张量
2017-12-30 11:48
176 查看
在Tensorflow中所有的数据都是通过张量的形式来表示。从功能上看,张量可以被理解为一个多维数组。但张量在Tensorflow中的实现并是不直接采用数组的形式,它是对Tensorflow中运算结果的引用,在张量中并没有真正保存数字,他保存的是如何得到这些数字的计算过程。如下所示,并不会得到加法的结果,而是得到对结果的一个引用。
一个张量中保存了三个属性:名字,维度,类型。
名字不仅是张量的唯一标识符,同样也给出了这个张量是如何计算来的。计算图上的每一个节点代表了一个计算,计算的结果保存在张量中,所以张量和计算图上的节点所代表的计算结果相对应。则命名可以通过”node: src_output”的形式给出,node为节点名称,src_output为当前张量来自节点的第几个输出。
类型,每个张量会有唯一的类型。可以通过
使用默认类型有可能会导致潜在的类型不匹配问题,所以一般建议通过指定的dtype来明确变量或常数的类型。
import tensorflow as tf a = tf.constant([[1,2,2],[1,2,3]]) b = tf.constant([[1,2,2],[1,2,3]]) result = a + b print(result) out:Tensor("add:0", shape=(2, 3), dtype=int32)
一个张量中保存了三个属性:名字,维度,类型。
名字不仅是张量的唯一标识符,同样也给出了这个张量是如何计算来的。计算图上的每一个节点代表了一个计算,计算的结果保存在张量中,所以张量和计算图上的节点所代表的计算结果相对应。则命名可以通过”node: src_output”的形式给出,node为节点名称,src_output为当前张量来自节点的第几个输出。
类型,每个张量会有唯一的类型。可以通过
dtype = tf.float32指定。
tf.constant([1,2,3],name = 'a', dtype = tf.float32)
使用默认类型有可能会导致潜在的类型不匹配问题,所以一般建议通过指定的dtype来明确变量或常数的类型。
result.get_shape()函数可以用来获取一个张量的维度。
相关文章推荐
- tensorflow 从入门到摔掉肋骨 教程二
- 真正从零开始,TensorFlow详细安装入门图文教程!
- 真正从零开始,TensorFlow详细安装入门图文教程
- TensorFlow 教程 --新手入门--1.1简介
- TensorFlow 教程 --教程--2.3MNIST机器学习入门
- 真正从零开始,TensorFlow详细安装入门图文教程!
- Tensorflow入门教程之手写数字MINST识别
- tensorFlow入门教程
- TensorFlow 教程 - 新手入门笔记
- tensorflow入门教程之CIFAR-10源代码
- tensorflow教程学习三TensorFlow运作方式入门
- TensorFlow全新的数据读取方式:Dataset API入门教程
- [TensorFlow]入门学习笔记(6)-Tensorboard简易教程和模型保存
- tensorflow新手必看,tensorflow入门教程,tensorflow示例代码
- Tensorflow教程-MNIST机器学习入门
- TensorFlow 教程 --新手入门--1.2 下载安装
- TensorFlow 中文资源精选,官方网站,安装教程,入门教程,实战项目,学习路径
- TensorFlow入门教程集合
- Tensorflow快速入门教程
- TensorFlow人工智能引擎入门教程所有目录