tensorflow张量生成以及常用函数

张量tensor:多维数组(列表) 阶:张量的维数

维数 阶 名字 例子

0-D 0 标量 scalar s = 1, 2, 3

1-D 1 向量 vector v = [1, 2, 3]

2-D 2 矩阵 matrix m = [[1,2,3],[4,5,6]]

n-D n 张量 tensor t = [[[]]]

tensorflow 数据类型

tf.int32, tf.float32, tf.float64

tf.bool tf.constant([True, False])

tf.string tf.constant("hello world")

创建张量 tf.constant(张量内容, dtype=数据类型(可选))

复制代码
import tensorflow as tf
a = tf.constant([1,5], dtype=tf.int64)
print(a)
print(a.dtype)
print(a.shape)

1.将numpy的数据类型转化为Tensor数据类型

tf.convert_to_tensor(数据名,dtype=数据类型(可选))

复制代码
import tensorflow as tf
import numpy as np
a = np.arange(0,5)
b = tf.convert_to_tensor(a, dtype=tf.int64)
print(a)
print(b)

2.tf,zeros(维度) 全为0 tf.ones(维度)全为1 tf.fill(维度,指定值---)

复制代码
a = tf.zero([2, 3])
b = tf.ones(4)
c = tf.fill([2, 2], 9)
print(a)
print(b)
print(c)

3.生成符合正态分布的随机数,默认值为0,标准差为1

tf.random.normal(维度,mean=均值, stddev= 标准差)

4.生成截断式正态分布的随机数,集中一些,保证在范围内

tf.random.truncated_normal(维度,mean=均值, stddev=标准差)

5.生成均匀分布的随机数

tf.random.uniform(维度,minval=最小值, maxval = 最大值)[min, max)

6.强制类型转换

tf.cast(张量名, dtype=数据类型)

7.计算张量维度上的元素的最小值

tf.reduce_min(张量名)

8.计算张量维度上元素的最大值

tf.reduce_max(张量名)

9.axis=0,对纵向操作, axis = 1 横向操作

  1. tf,Variable()将变量标记为可训练的,被标记的变量会在反向传播中记录梯度信息。

11.四则运算, math等,维度相同

12.特征和标签配对的函数,切分传入张量的第一个维度,生成输入特征/标签对,构建数据集

data = tf.data.Dataset.from_tensor_slices((输入特征,标签))

13.求导函数

with结构记录计算过程,GradientTape求出张量的梯度

14.enumerate,遍历序列,并在元素前配置索引号,内置函数

15.tf.one_hot 独热编码:在分类问题中,常用独热码做标签,标记类别:1表示是,0表示非

tf.one_hot(待转化的数据,depth=几分类)

复制代码
classes = 3
label = tf.constant([1,0,2])
output = tf.one_hot(labels, depth=classes)
print(output)

16.当神经网络完成前向传播时,计算出概率,当概率符合概率分布时,才能作为概率输出tf.nn.softmax

当n分类的n个输出通过tf.nn.softmax,便符合概率分布,即可输出,其总和满足1

任意的x P(X = x)∈[0,1],

复制代码
y = tf.constant([1.01, 2.01, -0.66])
y_pro = tf.nn.softmax(y)
print(y_pro)

17.assign_sub,赋值操作,更新参数的值并返回

在调用assign_sub前,先用tf.Variable 定义变量w为可训练(可自更新)

w.assgin_sub(w要自减的内容)

18.tf.argmax 返回0/1方向上最大值的索引号

tf.argmax(张量名,axis=操作轴)

相关推荐
FairyGirlhub17 分钟前
神经网络的初始化:权重与偏置的数学策略
人工智能·深度学习·神经网络
大写-凌祁4 小时前
零基础入门深度学习:从理论到实战,GitHub+开源资源全指南(2025最新版)
人工智能·深度学习·开源·github
焦耳加热5 小时前
阿德莱德大学Nat. Commun.:盐模板策略实现废弃塑料到单原子催化剂的高值转化,推动环境与能源催化应用
人工智能·算法·机器学习·能源·材料工程
CodeCraft Studio5 小时前
PDF处理控件Aspose.PDF教程:使用 Python 将 PDF 转换为 Base64
开发语言·python·pdf·base64·aspose·aspose.pdf
深空数字孪生5 小时前
储能调峰新实践:智慧能源平台如何保障风电消纳与电网稳定?
大数据·人工智能·物联网
wan5555cn5 小时前
多张图片生成视频模型技术深度解析
人工智能·笔记·深度学习·算法·音视频
格林威6 小时前
机器视觉检测的光源基础知识及光源选型
人工智能·深度学习·数码相机·yolo·计算机视觉·视觉检测
困鲲鲲6 小时前
Python中内置装饰器
python
摩羯座-185690305946 小时前
Python数据可视化基础:使用Matplotlib绘制图表
大数据·python·信息可视化·matplotlib
今天也要学习吖6 小时前
谷歌nano banana官方Prompt模板发布,解锁六大图像生成风格
人工智能·学习·ai·prompt·nano banana·谷歌ai