您好,登錄后才能下訂單哦!
本篇文章給大家分享的是有關(guān)Tensorflow中的張量數(shù)據(jù)結(jié)構(gòu)是什么,小編覺得挺實(shí)用的,因此分享給大家學(xué)習(xí),希望大家閱讀完這篇文章后可以有所收獲,話不多說,跟著小編一起來(lái)看看吧。
程序 = 數(shù)據(jù)結(jié)構(gòu)+算法。
TensorFlow程序 = 張量數(shù)據(jù)結(jié)構(gòu) + 計(jì)算圖算法語(yǔ)言
張量和計(jì)算圖是 TensorFlow的核心概念。
張量即多維數(shù)組。TensorFlow的Tensor和numpy中的array很類似。
從行為特性來(lái)看,有兩種類型的張量,常量constant和變量Variable.
常量的值在計(jì)算圖中不可以被重新賦值,變量可以在計(jì)算圖中用assign等算子被重新賦值。
張量的數(shù)據(jù)類型和numpy.array基本一一對(duì)應(yīng)。
import numpy as np
import tensorflow as tf
i = tf.constant(1) # tf.int32 類型常量
l = tf.constant(1,dtype = tf.int64) # tf.int64 類型常量
f = tf.constant(1.23) #tf.float32 類型常量
d = tf.constant(3.14,dtype = tf.double) # tf.double 類型常量
s = tf.constant("hello world") # tf.string類型常量
b = tf.constant(True) #tf.bool類型常量
print(tf.int64 == np.int64)
print(tf.bool == np.bool)
print(tf.double == np.float64)
print(tf.string == np.unicode) # tf.string類型和np.unicode類型不等價(jià)
不同類型的數(shù)據(jù)可以用不同維度(rank)的張量來(lái)表示。
標(biāo)量為0維張量,向量為1維張量,矩陣為2維張量。
彩色圖像有rgb三個(gè)通道,可以表示為3維張量。
視頻還有時(shí)間維,可以表示為4維張量。
可以簡(jiǎn)單地總結(jié)為:有幾層中括號(hào),就是多少維的張量。
可以用tf.cast改變張量的數(shù)據(jù)類型。
可以用numpy方法將tensorflow中的張量轉(zhuǎn)化成numpy中的張量。
可以用shape方法查看張量的尺寸。
模型中需要被訓(xùn)練的參數(shù)一般被設(shè)置成變量張量。
以上就是Tensorflow中的張量數(shù)據(jù)結(jié)構(gòu)是什么,小編相信有部分知識(shí)點(diǎn)可能是我們?nèi)粘9ぷ鲿?huì)見到或用到的。希望你能通過這篇文章學(xué)到更多知識(shí)。更多詳情敬請(qǐng)關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。