神经网络与深度学习：TensorFlow基础

1.TensorFlow2.0特性

2.0版本
清理整合了重复的API
将tf.keras作为构建和训练模型的标准高级API

架构

2.创建张量

2.1创建Tensor对象

张量由Tensor类实现，每个张量都是一个Tensor对象
tf.constant()函数：创建张量

创建 参数为Python列表的张量

import tensorflow as tf
tf.constant([[1,2],[3,4]])

张量的.numpy()方法
所有张量，都可以通过.numpy()方法，得到它对应的数组。

参数为数字
TF创建浮点数张量时，默认是32位浮点数。

import tensorflow as tf
tf.constant(1.0)
tf.constant(1.)
tf.constant(1.0,dtype=tf.float64)

参数为NumPy数组
numpy创建浮点数数组时，默认的浮点型是64位浮点数。当使用NumPy数组创建张量时，TensorFlow会接受数组元素的数据类型，使用64位浮点数保存数据。

import tensorflow as tf
import numpy as np
tf.constant(np.array([1,2]))
tf.constant(np.array([1.0,2.0]))
tf.constant(np.array([1.0,2.0]),dtype=tf.float32)

改变张量中元素的数据类型
tf.cast(x,dtype)函数：改变张量中元素的数据类型。

参数为布尔型

参数为字符串

tf.convert_to_tensor()函数

判断张量

2.2创建张量

创建全0张量和全1张量

创建元素值都相同的张量
tf.fill()函数

创建随机数张量


设置随机种子
tf.random.set_seed()函数
设置随机种子可以产生同样的随机数张量。

创建均匀分布张量
tf.random.uniform()函数

小结

2.3对象属性

ndim、shape、dtype

3. 张量运算

3.1加减乘除运算

3.2幂指对数运算

3.3其他运算

3.4三角函数与反三角函数运算

3.5重载运算符

张量和NumPy数组之间的相互转换

3.6张量乘法

3.7数据统计

求张量在某个维度上、或者全局的统计值。