python深度学习之TensorFlow
TensorFlow基础import TensorFlow as tf创建张量创建Tensor对象张量由Tensor类实现,每一个张量都是一个Tensor对象tf.constant():创建张量张量对象.numpy()返回array数组张量元素的数据类型tf.constant(1.0,dtype=tf.float64)改变张量中的数据类型(实行数据转换时,低精度向高精度转换,否则会出现数据溢出)将
一元线性回归
多元线性回归
梯度下法
分类问题
人工神经网络
TensorFlow基础
import TensorFlow as tf
创建张量
- 创建Tensor对象
张量由Tensor类实现,每一个张量都是一个Tensor对象
tf.constant():创建张量
张量对象.numpy()返回array数组
张量元素的数据类型
tf.constant(1.0,dtype=tf.float64)
改变张量中的数据类型(实行数据转换时,低精度向高精度转换,否则会出现数据溢出)
将其他类型数据转换成张量
tf.istensor(张量对象):判断是否为张量
- 创建元素值都相同的张量
dims为形状,value为值
tf.fill([2,3],9) # 创建一个2行3列全为9的张量
-
创建随机数张量——正态分布
shape:形状;mean:均值;stddev:标准差;dtype:类型;
mean和stddev省略时为标准正态分布,均值为0,标准差为1。默认dtpe为float32 -
截断正太分布
-
创建均匀分布张量
minval:最小值;maxval:最大值;前闭后开区间。 -
随机打乱函数:tf.random.shuffle()
-
创建序列
参数依次为:起始数字,结束数字,步长,类型;前闭后开区间。
依次获取形状,元素总数,维度。
依次获取维度,形状,元素数据类型。
维度变换
改变张量形状
shape中出现-1时表示自动计算该维度元素个数。
增加维度,增加的这个维度上,长度为1
删除维度:只能删除长度为1的维度
交换维度:对于二维矩阵就相当于转置。
拼接张量
分割张量:将一个张量拆分成多个张量,分割后维度不变
中间参数表示分割的分数,若为列表这表示每个张量的长度。
堆叠张量:合并张量时,创建一个新维度
分解张量
部分采样
- 索引
gather()函数:用一个索引列表,将给定张量中,对应索引值的元素提取出来。
对多维张量采样:需要制定轴axis
张量运算
-
基本数学运算:各个张量中元素的数据类型必须一致
-
幂指对数运算
-
其他运算
-
重载运算符
当张量和一个数字进行运算时,会将这个数字值广播到张量的各个元素。 -
张量和Numpy数组可以互相转换
当张量和Numpy数组共同参与运算时,执行TensorFlow操作,那么TensorFlow将自动把Numpy数组转换成张量。执行Numpy操作,那么Numpy、将自动把张量转换成Numpy数组。 -
求张量在某个维度上或全局的统计值。
根据condition的真假来返回a,b中的一个值。
更多推荐
所有评论(0)