tensorflow中張量(tensor)的屬性——維數(階)、形狀和資料型別
tensorflow的命名來源於本身的執行原理,tensor(張量)意味著N維陣列,flow(流)意味著基於資料流圖的計算,所以tensorflow字面理解為張量從流圖的一端流動到另一端的計算過程。
tensorflow中的所有資料如圖片、語音等都是以張量這種資料結構的形式表示的。張量是一種組合型別的資料型別,表示為一個多維陣列,通用的表示形式為 [T1,T2,T3,…Tn] ,其中 T 可以是在tensorflow中指定型別的單個數字,也可以是一個矩陣。張量(tensor)的屬性——維數(階)、形狀和資料型別
張量的維數又叫張量的階,是張量維數的一個數量描述。如下分別表示0維、1維、2維和3維的張量:
1 #維度為0的標量
[1,2,3] #維度為1,一維向量
[[1,2],[3,4]] #維度為2, 二維矩陣
[[[1,2],[3,4]],[[1,2],[3,4]]] #維度為3,3維空間矩陣
維度要看張量的最左邊有多少個左中括號,有n個,則這個張量就是n維張量。
張量的形狀以 [D0, D1, … Dn-1] 的形式表示,D0 到Dn 是任意的正整數。
如形狀[3,4]表示第一維有3個元素,第二維有4個元素,[3,4]表示一個3行4列的矩陣。
在形狀的中括號中有多少個數字,就代表這個張量是多少維的張量。
形狀的第一個元素要看張量最外邊的中括號中有幾個元素(被最外邊的中括號裡邊的內中括號括起來的所有資料算作一個元素)被逗號隔開,有n1個則這個張量就是n1維的,形狀的第一個元素就是n1;形狀的第二個元素要看張量中最左邊的第二個中括號中有幾個被逗號隔開的元素,有n2個則shape的第二個元素就是n2;形狀的第二個元素之後的第3,4…n個元素依次類推,分別看第n箇中括號中有幾個元素即可:
1 # 形狀為[]
[1,2,3] # 形狀為[3]
[[1,2],[3,4]] # 形狀為[2,2]
[[[1,2],[3,4]],[[1,2],[3,4]]] # 形狀為[2,2,2]
張量的資料型別
張量的資料型別可以是以下資料型別中的任意一種:
資料型別 | Python 型別 | 描述 |
---|---|---|
DT_FLOAT |
tf.float32 |
32 位浮點數. |
DT_DOUBLE |
tf.float64 |
64 位浮點數. |
DT_INT64 |
tf.int64 |
64 位有符號整型. |
DT_INT32 |
tf.int32 |
32 位有符號整型. |
DT_INT16 |
tf.int16 |
16 位有符號整型. |
DT_INT8 |
tf.int8 |
8 位有符號整型. |
DT_UINT8 |
tf.uint8 |
8 位無符號整型. |
DT_STRING |
tf.string |
可變長度的位元組陣列.每一個張量元素都是一個位元組陣列. |
DT_BOOL |
tf.bool |
布林型. |
DT_COMPLEX64 |
tf.complex64 |
由兩個32位浮點陣列成的複數:實數和虛數. |
DT_QINT32 |
tf.qint32 |
用於量化Ops的32位有符號整型. |
DT_QINT8 |
tf.qint8 |
用於量化Ops的8位有符號整型. |
DT_QUINT8 |
tf.quint8 |
用於量化Ops的8位無符號整型. |
相關推薦
tensorflow中張量(tensor)的屬性——維數(階)、形狀和資料型別
tensorflow的命名來源於本身的執行原理,tensor(張量)意味著N維陣列,flow(流)意味著基於資料流圖的計算,所以tensorflow字面理解為張量從流圖的一端流動到另一端的計算過程。
對tensorflow中張量tensor的理解與tf.argmax()函式的用法
對tensorflow中張量tensor的理解: 一維張量: 如a=[1., 2., 3., 0., 9., ],其shape為(5,),故當我們選擇維度0時(張量的維度總是從第0個維度開始),實際上是在a的最外層括號上進行操作。 我們畫圖來表示: 二維張量: 如b=[
Tensorflow獲取張量Tensor的具體維數
獲取Tensor的維數 >>> import tensorflow as tf >>> tf.__version__ '1.2.0-rc1' >>> x=tf.placeholder(dtype=f
tensorflow中張量的理解
以下內容轉載至:http://blog.csdn.net/pandamax/article/details/63684633 自己通過網上查詢的有關張量的解釋,稍作整理。 TensorFlow用張量這種資料結構來表示所有的資料.你可以把一個張量想象成
TensorFlow之張量(tensor)
張量(tensor) 在Tensorflow中,所有資料都通過張量的形式來表示,從功能上看,張量可以簡單的被理解為多維陣列。其中零階張量表示標量(scalar),也就是一個數;第一階張量為向量(vector),也就是一個一維陣列;同理第n階張量就是n維陣列。 但是張量
TensorFlow中張量轉置操作tf.cast/tf.dtypes.cast用法詳解
一、環境 TensorFlow API r1.12 CUDA 9.2 V9.2.148 Python 3.6.3 二、官方說明 tf.cast 或 tf.dtypes.cast 將輸入張量轉換資料型別 tf.dtypes.cast( x, dtype,
TensorFlow中張量轉置操作tf.transpose用法詳解
一、環境 TensorFlow API r1.12 CUDA 9.2 V9.2.148 Python 3.6.3 二、官方說明 對張量按照指定的排列維度進行轉置 tf.transpose( a, perm=None, name='transpose',
TensorFlow中張量連線操作tf.concat用法詳解
一、環境 TensorFlow API r1.12 CUDA 9.2 V9.2.148 Python 3.6.3 二、官方說明 按指定軸(axis)進行張量連線操作(Concatenates Tensors) tf.concat( values, axis,
TensorFlow中張量轉置操作tf.expand_dims用法詳解
一、環境 TensorFlow API r1.12 CUDA 9.2 V9.2.148 cudnn64_7.dll Python 3.6.3 Windows 10 二、官方說明 給輸入張量的形狀增加1個維度 https://www.tensorflow.org/api
TensorFlow中張量轉置操作tf.expand_dims用法
一、環境 TensorFlow API r1.12 CUDA 9.2 V9.2.148 cudnn64_7.dll Python 3.6.3 Windows 10 二、官方說明 給輸入張量的形狀增加1個維度 https://www.tensorflow.org/api
TensorFlow中張量轉置操作tf.transpose用法
一、環境 TensorFlow API r1.12 CUDA 9.2 V9.2.148 cudnn64_7.dll Python 3.6.3 Windows 10 二、官方說明 將“value”幅值給“ref”,該方法使得需要重置新值的鏈式操作非常簡便 tf.assi
tensorflow中張量、常量、變數、佔位符
引言 從例項出發 #先匯入TensorFlow import tensorflow as tf # Create TensorFlow object called hello_constant hello_constant = tf.constant('Hello Wo
如何檢視張量tensor,並將其轉換為numpy資料
在tensorflow 中一般資料都是用tensor來表示,而在python 中一般是用numpy包,然而有時候需要列印變數的資料,可用以下方法來列印: 一、 import tensorflow as tf a = tf.constant(2.1) #定義tensor常量 with tf
TensorFlow常量、變數和資料型別
TensorFlow 用張量這種資料結構來表示所有的資料。一個張量有一個靜態型別和動態型別的維數,張量可以在圖中的節點之間流通。 (1)TensorFlow中建立常量的方法: hello=tf.constant('hello,TensorFlow!',dtype=tf
Python筆記(二)——Python中的基本語句、變數和資料型別
目錄 一、python的基本語句 1.1 print語句 任務 1.2 python的註釋 二、資料型別 2.1、整數 2.2、浮點數 2.3、字串 2.4、布林值 2.5、空值 三、Python中的變數 四、Python中定義字串 任務
Tensorflow描述張量的維度:階,形狀以及維數
blog eight 列數 mage one font 系統 nbsp back 張量 TensorFlow用張量這種數據結構來表示所有的數據.你可以把一個張量想象成一個n維的數組或列表.一個張量有一個靜態類型和動態類型的維數.張量可以在圖中的節點之間流通。 階 在Tens
tensorflow 中,修改張量tensor特定元素的值
tensorflow中: constant tensor不能直接賦值,否則會報
tensorflow 張量的階、形狀、資料型別及None在tensor中表示的意思
x = tf.placeholder(tf.float32, [None, 784])x isn't a specific value. It's a placeholder, a value that we'll input when we ask TensorFlow to run a computati
TensorFlow 的資料模型-----張量(Tensor)
作者:man_world 原文地址:https://blog.csdn.net/mzpmzk/article/details/78636137 Tensor 定義 A Tensor is a symbolic handle to one of the outputs of a
3、TensorFlow 的資料模型-----張量(Tensor)
一、Tensor 類簡介 Tensor 定義 A Tensor is a symbolic handle to one of the outputs of an Operation. It do