人工智能|Tensorflow-2.0学习笔记:基础操作篇一

欢迎点击「算法与编程之美」↑关注我们！

本文首发于微信公众号："算法与编程之美"，欢迎关注，及时了解更多此系列文章。

一、数据类型

1. 1.  TF中的数据表达

tensor是tensorflow上数据的载体

   what's Tensor

       标量    scalar : 1.1   

       向量    vector :[1.1],[1.1,2.2,...]

       矩阵    matrix :[[0.7,1.5],[2.1,3],[5,6]]

       维度大于2的矩阵   tensor : rank>2

    从工程上来讲所有数据都可以叫做tensor

2.TF中的数据类型

   int,float,double

   bool

string

创建一个常量or创建一个标量tensor

a=tf.constant(1)#默认为32位b=tf.constant(2.,dtype=tf.double)#创建浮点型tensor，并指定为双精度c=tf.constant([True,False])#创建布尔型d=tf.constant('hello,word')#创建字符串型

tensor常用属性

指定tensor在哪个设备上运行，gpu or cpu

with tf.device("cpu"):

查看tensor在哪个设备上运行

a.device

tensor的运行设备转移

aa=a.gpu()

将tensor转换成numpy

b.numpy()

查看维度

b.ndim#返回维度tf.rank(b)#或者这个，还能查看shape和dtypeb.shape()#与python中的shape功能相似

       判断某个数据是不是tensor,以下两种方式

isinstance(a,tf.Tensor)

数据类型转换

#查看数据类型a.dtype,b.dtype#判断数据类型a.dtype=tf.float32#数据类型转换a=np.arange(5)#numpy生成的数据都默认为64位aa=tf.convert_to_tensor(a)#转换为tensoraa=tf.convert_to_tensor(a,dtype=tf.int32)#转换为tensor，并改为32位tf.cast(aa,dtype=tf.float32)#将aa转换为浮点型32位b=tf.constant([0,1])#整型0、1可以和布尔类型相互转换

Variable 变量，可更改优化的数据。在tensorflow中Variable自带可求导特性

a=tf.range(5)#isinstance存在一些问题，一般建议用tf.is_tensorisinstance(b,tf.Tensor)#Falsetf.is_tensor(b)#True返回tensor中的具体数据a.numpy()

二、创建tensor

2.zeros,ones       np.zeros、np.ones，tf.zeros、tf.ones

3.fill              随意用某个数填充

4.random          随机化的初始化

5.constant         标量

6.Application  

#直接用List,要求list中的数据都可以转换为可计算的数据tf.convert_to_tensor([1,2])#ones,zeros接受的数据是shape，[2,3]指生成二行三列的矩阵tf.convert_to_tensor(np.ones[2,3])#与上方功能相同tf.ones([2,3])#生成与a的shape相同的全0矩阵#等同于tf.zeros(a.shape)#生成2行2列的tensor，并用9填充

Random初始化

#正态分布初始化tf.random.normal([2,2],mean=1,stddey=1)#生成2行2列的tensor，其中的每个值都通过正态分布得出#mean是均值、stddey是方差。不填默认0、1，标准正态分布#截断正态分布,去除正态分布中左右两侧较少的分布区域值，一般来说比直接的正态分布好tf.random.truncated_normal([2,2],mean=0,stddey=1)#均匀分布tf.random.uniform([2,2],minval=0,maxval=1)#从0到1之间均匀采样

随机打散

假设现在a中有48张照片，28*28，3通道的，用tensor表示为[48,28,28,3].。现在要将这些照片顺序打散。

index=tf.range(48)#生成对应索引，每个索引对应一张照片idx=tf.random.shuffle(index)#将index随机打乱，但是图片的顺序还没发生变化a=tf.gather(a,index)#用gather函数可以让照片与被打乱的index一一对应，这样就实现了随机打散