TensorFlow数据模型-张量
2018-01-06 14:21
246 查看
张量是TensorFlow管理数据的形式,可以被简单的理解为多维数组。零阶张量表示标量,一阶张量表示向量,n阶张量表示n维数组。张量并没有保存数字,保存的是运算结果的引用。例如:
从结果可看出,一个张量主要保存了三个属性:名字name、维度shape和类型type。
张量的命名可以用“node:src_output”来表示,node为节点的名称,src_output表示当前张量来自节点的第几个输出。add:0表示result张量是节点add输出的第一个结果(从0开始)。
张量的维度,shape=(2,)说明了result是一个一维数组,长度为2。
张量的类型type应用于数据计算中,计算的时候数据类型要匹配。TensorFlow支持14种不同的类型,实数(tf.float32、tf.float64)、整数(tf.int8、tf.int16、tf.int32、tf.int64、tf.uint8)、布尔型(tf.bool)和复数(tf.complex64、tf.complex128)。
如何得到张量中真实的数字,可通过会话(session)得出。
import tensorflow as tf #定义两个向量a,b #tf.constant是一个计算,这个计算的结果为一个张量,保存在变量a,b中 a = tf.constant([1.0, 2.0], name='a') b = tf.constant([2.0, 3.0], name='b') result = a+b # result = tf.add(a, b, name="add") #两行都可以 print(result) >>Tensor("add:0", shape=(2,), dtype=float32)
从结果可看出,一个张量主要保存了三个属性:名字name、维度shape和类型type。
张量的命名可以用“node:src_output”来表示,node为节点的名称,src_output表示当前张量来自节点的第几个输出。add:0表示result张量是节点add输出的第一个结果(从0开始)。
张量的维度,shape=(2,)说明了result是一个一维数组,长度为2。
张量的类型type应用于数据计算中,计算的时候数据类型要匹配。TensorFlow支持14种不同的类型,实数(tf.float32、tf.float64)、整数(tf.int8、tf.int16、tf.int32、tf.int64、tf.uint8)、布尔型(tf.bool)和复数(tf.complex64、tf.complex128)。
如何得到张量中真实的数字,可通过会话(session)得出。
相关文章推荐
- 3、TensorFlow 的数据模型-----张量(Tensor)
- TensorFlow数据模型——张量
- TensorFlow数据模型--张量
- TensorFlow——训练自己的数据(四)模型测试
- tensorflow保存模型与恢复数据
- tensorflow 张量的阶、形状、数据类型及None在tensor中表示的意思。
- 第三课:把tensorflow,模型和测试数据导入Android工程
- 分享一下三个写的比较好的tensorflow多GPU模型,实现数据并行/模型并行
- windows下tensorflow两种加载模型的测试数据方法
- Tensorflow学习笔记:用minst数据集训练卷积神经网络并用训练后的模型测试自己的BMP图片
- Tensorflow学习教程------读取数据、建立网络、训练模型,小巧而完整的代码示例
- tensorflow中张量(tensor)的属性——维数(阶)、形状和数据类型
- Tensorflow实战学习(四十九)【模型存储加载,队列线程,加载数据,自定义操作】
- Tensorflow 训练模型数据freeze固话保存在Graph中
- 学习笔记TF049:TensorFlow 模型存储加载、队列线程、加载数据、自定义操作
- TensorFlow——训练自己的数据(五)模型评估
- Effective TensorFlow Chapter 5: 在TensorFlow中,给模型喂数据(feed data)
- tensorflow 学习笔记(六) - 用自己的数据集训练CNN模型
- tensorflow 中导出/恢复模型Graph数据Saver
- Tensorflow中张量数据类型的转换