tensorflow2.0

pytorch的默认格式是[b,h,w,c];tensorflow的默认格式是[b,c,h,w]

• 把a数据从pytorch转到tensorflow可以用 tf.transpose(a,[0,3,1,2])

数据类型

• 一般常用 .is_tensor 或.dtype 确定数据类型，有时也可以使用 .isinstance

• 可以通过 .ndim 获取数据的维度
• 判断大小可以用 .rank 或 .shape

- 类型转换可以用 .convert_to_tensor 或 .cast

- 使用 tf.Variable 记录梯度信息

创建tensor

• 可以使用 .zeros 或 .ones 创建全零或全1的tensor，其中一个用法是使用 tf.zeros_like(a) 创建一个shape为a的全零的tensor

• 可以使用 tf.fill([a,b],c) 函数创建一个大小为[a,b] 的 全 c 矩阵

• 可以使用 tf.random.normal 函数随机初始化 参数 mean 为 均值 ; stddev 是 方差。若不指定，则默认是均值为0，方差为1的标准正太分布

• 但一般使用 tf.random.truncated_normal 函数初始化，该函数区别与上面的函数，当值接近下图红色部分的时候会舍弃，重新采样，这样是梯度不那么平缓，效果一般比直接使用 tf.random.normal 要好

- 可以使用 tf.random.uniform 函数进行均匀分布的初始话，minval=0和maxval=1 代表是在0，1 之间均匀采样

• 可以使用 .constant 函数直接创建 tensor

索引与切片

• 双冒号 ：：
  • 代表最后一个冒号后为步长，表示隔多少采样 即 start : end : step
    
• 可以通过 tf.gather 函数获取索引是数值，如下例所示，将获得 a 数组中 axis 维度上 indices 索引的值
• 可以使用tf.gather_nd函数获取两个数组中的值

- 可以通过 tf.boolearn_mask 函数通过 true或false 取指定位置的值

维度变换

• 使用 tf.expand_dims(a,axis) 使 a数组 在 axis 增加一个维度

- 通过 tf.squeeze 函数 删除 axis上大小为1 的 维度