TensorFlow入门(九、张量及操作函数介绍)

艺术就是CtrlC2023-10-09 15:45

在TensorFlow程序中,所有的数据都由tensor数据结构来代表。即使在计算图中,操作间传递的数据也是Tensor

tensor在TensorFlow中并不是直接采用数组的形式,它只是对TensorFlow中计算结果的引用。也就是说在张量中并没有真正保存数字,它保存的是如何得到这些数字的计算过程

一个tensor的属性有名字(name)、类型(type)、形状(shape)、阶(rank)

tensor的名字(name)

名字(name)是张量的唯一标识符。张量的命名可以通过"node:src_output"的形式给出。其中node为节点名称,src_output表示当前张量来自节点的第几个输出。

例如:输出结果中的"add:0",说明result这个张量是计算节点"add"输出的第一个结果

tensor的类型(type)

tensor的形状(shape)

形状(shape)用于描述张量内部的组织关系。"形状"可以通过Python中的整数列表(int list)或元组(tuples)来表示,也可以用TensorFlow中的相关形状函数来表示。

例如:一个二阶张量a = $\[1,2,3$ , $4,5,6$ ]形状是两行三列,描述为(2,3)。

tensor的阶(rank)

rank(阶)指的就是维度,张量的阶主要是看有几层中括号。

例如:对于一个传统意义上的4阶矩阵a = $\[1,1,1$ , $5,5,6$ , $8,8,9$ , $9,8,9$ ]来讲,在张量中的阶数表示为2阶(因为它有两层中括号)。