【TensorFlow】常见处理tensor类型的数据的方法

import tensorflow as tf

创建tensor:

tensor数据类型包括int(整型),float(单精度浮点型),double(双精度浮点型),bool(布尔型),string(字符串)。

创建tensor数据:

tf.constant(data,dtype= )

data:上述数据类型的数据.

dtype:包括但不限于tf.float32,tf.int32,tf.double,tf.bool,string.

 转化数据类型(tensor->tensor):

tf.cast(tensor,dtype)

tensor:tensor类型的数据.

dtype:同上.

 将numpy或list类型的数据转化为tensor类型数据:

tf.convert_to_tensor(data,dtype)

data:numpy或list类型的数据.

dtype:同上.

 新建内容初始化成0的tensor类型数据:

tf.zeros(shape)

shape:数据形状.

例如:tf.zeros([2,2])

######

[ [ 0 , 0 ]

  [ 0 , 0 ] ]

######

 新建内容初始化成1的tensor类型数据:

tf.ones(shape)

用法同上tf.zeros.

 新建内容初始化成指定内容的tensor类型数据:

tf.fill(shape,data)

建立一个形状为shape,内容为data的tensor.

例如:tf.fill([2,2],3)

######

[ [ 3 , 3 ]

  [ 3,  3 ] ]

######

 将tensor转化为可求导对象:

tf.Variable(tensor)

tensor:tensor类型对象.

用于TensorFlow深度学习计算梯度时使用.

新建初始化内容为随机数的tensor(正态分布):

tf.random.normal(shape,mean=,stddev=)

shape:形状.

mean:均值.默认为0.

stddev:方差.默认为1.

 新建初始化内容为随机数的tensor(均匀分布):

tf.random.uniform(shape,minval=,maxval,dtype=)

shape:形状.

minval:最小值.

maxval:最大值.

dtype:数据类型,同上.

 随机打散内容:

tf.random.shuffle(data)

将data的内容打乱顺序.

tensor的属性: 

tensor.device

返回当前所在设备(cpu,gpu)的名字.

---------------------------------

tensor.gpu()

tensor.cpu()

返回一个与当前tensor值相同,但是是在 gpu(cpu)的tensor(即新建一个内容一样的tensor并指定所在的设备)

----------------------------------

tensor.numpy()

将当前tensor转化为numpy类型.

----------------------------------

tensor.shape

返回当前tensor的形状.

----------------------------------

tensor.ndim

返回当前tensor的维度.

-----------------------------------

tensor.rank

以tensor类型返回当前tensor的维度.

 tf.is_tensor(data):判断data是否为tensor类型,返回布尔型.

你可能感兴趣的:(python,tensorflow)