tensorflow框架基础之Tensor
来源:互联网 发布:泰勒公式矩阵形式 编辑:程序博客网 时间:2024/05/21 10:41
Tensor的概念
在Tensorflow中,所有的数据都通过张量的形式表示
零阶张量表示标量,即一个数;一阶张量为向量,即一维数组;n阶张量理解为一个n维的数组;但是张量不真正的保存数字,它保存的是如何得道这些数字的计算过程,即操作。
import tensorflow as tfa = tf.constant([1.0, 2.0], name="a")b = tf.constant([2.0, 3.0], name="b")result = a + bprint result'''result:Tensor("add:0", shape=(2,), dtype=float32)'''
运行得到的是对结果的引用,而不是加法的结果。这种结果也是一个张量,主要保存了三个重要属性(当然也具有其他属性):name、shape(张量维度)、type(张量类型).
TF 的计算由计算图模型构成,每个节点代表一个计算,计算的结果保存在张量中。因此计算图的节点所代表的计算结果与张量相对应。
name
张量的唯一标识符,同时可以看出他的计算方式,如result是add加法计算后的结果。
张量的命名形式:“node:src_output”;
- node:节点名称
- src_output:张量来自节点的第几个输出(从0开始编号)
Tensor的使用
# 第一种:使用张良记录中间结果a = tf.constant([1.0, 2.0], name='a')b = tf.constant([1.0, 2.0], name='b')result = a + b# 第二种:直接计算向量的结果,但可读性差c = tf.constant([1.0, 2.0], name='a') + tf.constant([1.0, 2.0], name='b')
阅读全文
0 0
- tensorflow框架基础之Tensor
- Tensorflow之class Tensor
- 【TensorFlow】框架学习笔记tensor(一)
- tensorflow框架基础之Session
- tensorflow框架基础之Variable
- tensorflow框架基础之简单网络训练
- tensorflow框架基础之损失函数
- Tensorflow框架基础之优化(一)
- tensorflow框架基础之优化(二)
- [Tensorflow] tensor张量基础(dtype,shape,variable,slice and join)
- TensorFlow基础2:Session.run()和Tensor.eval()的区别
- tensorflow之如何打印tensor张量的值
- tensorflow学习之路(3):tensor的相关认识
- tensorflow之获取tensor的shape作为max_pool的ksize
- tensorflow-002-Tensor
- TensorFlow打印tensor值
- Tensorflow API: Tensor Transformations
- Tensorflow tensor transform API
- Lintcode57 3Sum solution 题解
- ACM中关于浮点型的精确度问题
- Ubuntu下切换JDK1.6 到Open JDK7 java 和javac 版本
- 数字图像处理实验(16):PROJECT 06-03,Color Image Enhancement by Histogram Processing
- Oracle数据库-3
- tensorflow框架基础之Tensor
- 周测3 T1 无碳小车
- Lintcode58 4Sum solution 题解
- 细粒度的审计+删除细粒度审计
- FL2440——RT3070 softAP模式 实现无线路由器功能
- Eclipse手动集成ADT和SDK
- POJ 1518 Problem Bee 笔记
- L1-002. 打印沙漏
- [安卓基础]学习第八天