RK3568国产处理器 + TensorFlow框架的张量创建实验案例分享

一、实验目的

本节视频的目的是了解张量定义、了解张量的表示形式、并学习基于TensorFlow框架的张量创建方法。

二、实验原理.

张量定义

1、张量是多维数组,这个定义常见于各种人工智能软件。

2、张量是某种几何对象,不会随着坐标系的改变而改变。

3、张量是向量和余向量(covector)通过张量积(tensor product)组合而成的。

4、张量是多重线性映射。

张量的表示形式

1、零维张量,即标量

2、一 维张量

3、二维张量

4、多维张量

在 tensorflow 中张量可以被简单的理解为多维数组。

在OpenCV中,可以通过tf.constant函数实现创建基础张量。

提供了创建int32类型的0维张量、float32类型的1维张量和float16类型的二维张量代码示例。

功能:创建基础张量

函数:tf.constant

示例代码:

创建 int32 类型的 0 维张量,即标量

rank_0_tensor = tf.constant(4) print(rank_0_tensor)

创建 float32 类型的 1 维张量

rank_1_tensor = tf.constant([2.0, 3.0, 4.0]) print(rank_1_tensor)

创建 float16 类型的 二 维张量

rank_2_tensor = tf.constant([[1, 2],

3, 4\], \[5, 6\]\], dtype=tf.float16) ## 三、操作现象 ### 实验设备 本实验中使用的软件为VMware17+Ubuntu18.04.4 和串口调试工具Xshell。 ![image.png](https://i-blog.csdnimg.cn/img_convert/499ed6297a353a38a30cb95c793cc66d.png) ![image.png](https://i-blog.csdnimg.cn/img_convert/68e4ac1f61e4b0f71a8b1a781ed65023.png) 本实验中使用的是TL3568-PlusTEB实验箱,所需的配件为Micro SD卡、Type-C线、电源和网线。 ![image.png](https://i-blog.csdnimg.cn/img_convert/3d9e5bcd6e6ce87976db5261b3a0bda9.png) ![image.png](https://i-blog.csdnimg.cn/img_convert/a449fe8514ce60102073777259ad952b.png) ### 硬件连接 (1)将Ubuntu系统启动卡插至Micro SD卡槽。 (2)使用Type-C线连接USB TO UART2调试串口到PC机。 (3)将实验箱ETH0 RGMII网口(COM21)通过网线连接至路由器。 (4)连接实验箱电源,先不要上电。 ![屏幕截图 2024-12-03 143406.png](https://i-blog.csdnimg.cn/img_convert/a4acd1abe293a9cfabb8ad890c3438b6.png) ### 软件操作 (1)先在设备管理器查看串口的端口号; (2)再设置串口调试工具,波特率设置为1500000,点击连接,在Xshell调试终端会显示连接成功。 (3)连接成功后,拨动实验箱的电源开关,将实验箱上电。 (4)系统启动成功后,输入账户密码登录即可(账密均为:tronlong) (5)登录成功后,查询实验箱的网口地址。 ![屏幕截图 2024-12-03 143829.png](https://i-blog.csdnimg.cn/img_convert/951d2e564619f03e147e88e36a0fbcd7.png) ### 拷贝文件 我们先打开Ubuntu,将Demo文件夹拷贝到RK3568目录下。 "Ctrl+Alt+T"打开控制台,执行命令将文件拷贝至实验箱文件系统(根据实验箱实际IP地址修改命令)。 ![屏幕截图 2024-12-03 143911.png](https://i-blog.csdnimg.cn/img_convert/e586d8419d8dcf8a461e9d63a6a3f27c.png) ### 运行程序 在串口调试窗口执行命令,启动开发环境 在网页输入地址,即可打开登录界面 (根据实际IP地址修改网页地址)。 输入密码:tronlong,登录。 在程序目录,双击打开程序,点击重新运行程序。 等待右上角的进度饼图变白,程序运行完成。 在程序最下方,会显示运行结果。打印创建的0\~3维张量。 ![屏幕截图 2024-12-03 144008.png](https://i-blog.csdnimg.cn/img_convert/c84f6b91510a4e23b5008a7db74575a4.png)

相关推荐
island13141 分钟前
CANN ops-nn 算子库深度解析:神经网络计算引擎的底层架构、硬件映射与融合优化机制
人工智能·神经网络·架构
小白|5 分钟前
CANN与实时音视频AI:构建低延迟智能通信系统的全栈实践
人工智能·实时音视频
Kiyra5 分钟前
作为后端开发你不得不知的 AI 知识——Prompt(提示词)
人工智能·prompt
艾莉丝努力练剑8 分钟前
实时视频流处理:利用ops-cv构建高性能CV应用
人工智能·cann
程序猿追9 分钟前
深度解析CANN ops-nn仓库 神经网络算子的性能优化与实践
人工智能·神经网络·性能优化
User_芊芊君子12 分钟前
CANN_PTO_ISA虚拟指令集全解析打造跨平台高性能计算的抽象层
人工智能·深度学习·神经网络
初恋叫萱萱15 分钟前
CANN 生态安全加固指南:构建可信、鲁棒、可审计的边缘 AI 系统
人工智能·安全
alvin_200515 分钟前
python之OpenGL应用(二)Hello Triangle
python·opengl
机器视觉的发动机21 分钟前
AI算力中心的能耗挑战与未来破局之路
开发语言·人工智能·自动化·视觉检测·机器视觉
铁蛋AI编程实战24 分钟前
通义千问 3.5 Turbo GGUF 量化版本地部署教程:4G 显存即可运行,数据永不泄露
java·人工智能·python