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

对Tensorflow中tensor的理解

编程55--代码share&debug14Tensorflow,Pytorch 出现 ‘Tensor‘ object is not callable解决办法

使用tensorflow引入了一个新层

tensorflow打印tensor的值

[TensorFlow]Tensor维度理解