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。