【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.