AI - TensorFlow Tensor
Posted anliven
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了AI - TensorFlow Tensor相关的知识,希望对你有一定的参考价值。
张量(Tensor)
在Tensorflow中,变量统一称作张量(Tensor)。
张量(Tensor)是任意维度的数组。
- 0阶张量:纯量或标量 (scalar), 也就是一个数值,例如,‘Howdy‘ 或 5
- 1阶张量:向量 (vector)或矢量,也就是一维数组(一组有序排列的数),例如,[2, 3, 5, 7, 11] 或 [5]
- 2阶张量:矩阵 (matrix),也就是二维数组(有序排列的向量),例如,[[3.1, 8.2, 5.9][4.3, -2.7, 6.5]]
- 3阶张量:三维的矩阵,也就是把矩阵有序地叠加起来,成为一个“立方体”
- 以此类推,等等。
在大多数情况下,只会使用一个或多个低维张量(2阶及以下)。
典型 TensorFlow 程序中的大多数代码行都是指令,张量也是计算图中的一种指令。
张量可以作为常量或变量存储在图中。
- 常量是始终会返回同一张量值的指令,存储的是值不会发生更改的张量。
- 变量是会返回分配给它的任何张量的指令,存储的是值会发生更改的张量。
示例:张量的定义
1 # coding=utf-8
2 import tensorflow as tf
3 import os
4
5 os.environ[‘TF_CPP_MIN_LOG_LEVEL‘] = ‘2‘
6
7 x = tf.constant([5.6], name="x_const") # tf.constant定义标量整数常量并传入值
8 y = tf.Variable([0], name="y_Variable") # tf.Variable定义变量并传入默认值
9 y = y.assign([3]) # 分配一个值
10
11 with tf.Session() as sess: # 图必须在会话中运行,会话存储了它所运行的图的状态
12 initialization = tf.global_variables_initializer() # 使用tf.Variable时,必须在会话开始时明确初始化变量
13 print("x: {}".format(sess.run(x)))
14 print("y: {}".format(sess.run(y)))
示例:常量相加
1 # coding=utf-8
2 import tensorflow as tf
3 import os
4
5 os.environ[‘TF_CPP_MIN_LOG_LEVEL‘] = ‘2‘
6
7 g = tf.Graph() # 创建图,虽然TensorFlow提供一个默认图,仍建议创建自己的Graph,以便跟踪状态
8
9 with g.as_default(): # 将定义的图作为默认
10 x = tf.constant(8, name="x_const") # tf.constant定义标量整数常量并传入值
11 y = tf.constant(5, name="y_const")
12 z = tf.constant(4, name="z_const")
13 sum1 = tf.add(x, y, name="x_y_sum") # tf.add相加
14 sum2 = tf.add(z, sum1, name="x_y_z_sum")
15 with tf.Session() as sess: # 图必须在会话中运行
16 print("sum1: {}".format(sum1.eval()))
17 print("sum2: {}".format(sum2.eval()))
示例:矢量加法、张量形状与广播
1 # coding=utf-8 2 import tensorflow as tf 3 import os 4 5 os.environ[‘TF_CPP_MIN_LOG_LEVEL‘] = ‘2‘ 6 7 try: 8 tf.contrib.eager.enable_eager_execution() 9 print("TF imported with eager execution!") 10 except ValueError: 11 print("TF already imported with eager execution!") 12 13 # ### 矢量(一维张量)加法 14 primes = tf.constant([2, 3, 5, 7, 11, 13], dtype=tf.int32) # 包含质数的primes矢量 15 ones = tf.ones([6], dtype=tf.int32) # 值全为1的ones矢量 16 just_beyond_primes = tf.add(primes, ones) # 通过对前两个矢量执行元素级加法而创建的矢量 17 twos = tf.constant([2, 2, 2, 2, 2, 2], dtype=tf.int32) 18 primes_doubled = primes * twos # 通过将primes矢量中的元素翻倍而创建的矢量 19 print("primes: ", primes) 20 print("ones: ", ones) 21 print("just_beyond_primes: ", just_beyond_primes) 22 print("primes_doubled: ", primes_doubled) 23 24 some_matrix = tf.constant([[1, 2, 3], [4, 5, 6]], dtype=tf.int32) 25 print("some_matrix: ", some_matrix) # 输出张量将返回其值、形状以及存储在张量中的值的类型 26 print("value of some_matrix is: ", some_matrix.numpy()) # 调用张量的numpy方法会返回该张量的值(以NumPy数组形式) 27 28 # ### 张量形状 29 scalar = tf.zeros([]) # 标量 30 vector = tf.zeros([3]) # 值全为0的矢量 31 matrix = tf.zeros([2, 3]) # 值全为0的2行3列矩阵 32 print(‘scalar has shape:‘, scalar.get_shape(), ‘and value: ‘, scalar.numpy()) 33 print(‘vector has shape:‘, vector.get_shape(), ‘and value: ‘, vector.numpy()) 34 print(‘matrix has shape:‘, matrix.get_shape(), ‘and value: ‘, matrix.numpy()) 35 36 # ### 广播 37 primes2 = tf.constant([2, 3, 5, 7, 11, 13], dtype=tf.int32) 38 ones2 = tf.ones(1, dtype=tf.int32) # 使用的是标量值(不是全包含1矢量)和广播 39 just_beyond_primes2 = tf.add(primes2, ones2) 40 twos2 = tf.constant(2, dtype=tf.int32) # 使用的是标量值(不是全包含 2 的矢量)和广播 41 primes_doubled2 = primes2 * twos2 42 print("primes2: ", primes2) 43 print("ones2: ", ones2) 44 print("just_beyond_primes2: ", just_beyond_primes2) 45 print("primes_doubled2: ", primes_doubled2) 46 47 # ### 矢量加法 48 # 可以对张量执行很多典型数学运算:https://www.tensorflow.org/api_docs/python/tf/math; 49 # 输出张量将返回其值、形状以及存储在张量中的值的类型; 50 # 调用张量的numpy方法会返回该张量的值(以NumPy数组形式); 51 # 52 # ### 张量形状(shape) 53 # 形状(shape)用于描述张量维度的大小和数量; 54 # 张量的形状表示为list,其中第i个元素表示维度i的大小; 55 # 列表的长度表示张量的阶(即维数); 56 # 57 # ### 广播 58 # TensorFlow支持广播(一种借鉴自NumPy的概念); 59 # 利用广播,元素级运算中的较小数组会增大到与较大数组具有相同的形状;
以上是关于AI - TensorFlow Tensor的主要内容,如果未能解决你的问题,请参考以下文章
Tensorflow中的tensor Dimension问题
编程55--代码share&debug14Tensorflow,Pytorch 出现 ‘Tensor‘ object is not callable解决办法