《动手学深度学习》-E2-2

1. 创建TensorFlow

一、

x1 = tf.constant(range(12))
x2 = tf.constant([1,2,3],[1,2,3])
x3 = tf.reshape(x1,(3,4))
x4 = tf.zeros((2,3,4))
x5 = tf.ones((2,3,4))

二、
有些情况下，我们需要随机生成tensor中每个元素的值。下面我们创建一个形状为(3, 4)的tensor。它的每个元素都随机采样于均值为0、标准差为1的正态分布。

tf.random.normal(shape=[3,4], mean=0, stddev=1)

三、较简单tensor属性查询：

len(x)
x.shape

2. 运算

• 加乘除（点运算，非矩阵乘法）

x+y
x*y
x/y

• 指数运算，需先转换类型（Y原为int类型，转换成float32类型）

Y = tf.cast(Y, tf.float32)
tf.exp(Y)

• matmul函数做矩阵乘法（先转换类型，再转置，最后相乘）

Y = tf.cast(Y, tf.int32)
#此函数是类型转换函数：tf.cast(x, dtype, name=None)
 
tf.matmul(X, tf.transpose(Y))

• 连接concat函数

tf.concat([X,Y],axis = 0), tf.concat([X,Y],axis = 1)

• 判断两tensor对应位置元素是否相等，结果为true or false

tf.equal(X,Y)

• tensor所有元素求和

tf.reduce_sum(X)

• 求解范数

X = tf.cast(X, tf.float32)
tf.norm(X)

3、广播机制

• 当两tensor的shape不同时，相加，会先把A B扩展成shape相同，复制已有的行/列

A = tf.reshape(tf.constant(range(3)), (3,1))
B = tf.reshape(tf.constant(range(2)), (1,2))
A+B

4、索引（从0开始）

• X[1:3]表示第二行至第三行
• 改变某索引值

X = tf.Variable(X)

X[1,2].assign(9)
#把第二行第三列元素置为9

X[1:2,:].assign(tf.ones(X[1:2,:].shape, dtype = tf.float32)*12)
#把第二行换为12

• tensor 与 numpy 互相转换

import numpy as np

P = np.ones((2,3))

#numpy 转 tensor
D = tf.constant(P)

#tensor 转 numpy
P = np.array(D)