Tensorflow之常用方法总结(1)
来源:互联网 发布:淘宝店铺标题图片 编辑:程序博客网 时间:2024/06/16 17:25
本文将对Tensorflow中的常用方法进行总结。
TensorFlow 将图形定义转换成分布式执行的操作, 以充分利用可用的计算资源(如 CPU 或 GPU。一般你不需要显式指定使用 CPU 还是 GPU, TensorFlow 能自动检测。如果检测到 GPU, TensorFlow 会尽可能地利用找到的第一个 GPU 来执行操作.并行计算能让代价大的算法计算加速执行,TensorFlow也在实现上对复杂操作进行了有效的改进。
Tensorflow中,主要有以下几种数据类型。
tf.int8:8位整数。tf.int16:16位整数。tf.int32:32位整数。tf.int64:64位整数。tf.uint8:8位无符号整数。tf.uint16:16位无符号整数。tf.float16:16位浮点数。tf.float32:32位浮点数。tf.float64:64位浮点数。tf.double:等同于tf.float64。tf.string:字符串。tf.bool:布尔型。tf.complex64:64位复数。tf.complex128:128位复数。
下面介绍的方法如下
TensorFlow的算术操作如下:
import tensorflow as tf#定义‘符号’变量,也称为占位符x = tf.placeholder("float")y = tf.placeholder("float")z = tf.placeholder("float")#构造一个op节点add = tf.add(x, y) #求和sub = tf.sub(x, y) #减法mul = tf.mul(x, y) #乘法div = tf.div(x, y) #除法mod = tf.mod(x,y) #取模ads = tf.abs(z) #求绝对值neg = tf.neg(z) #取负sign = tf.sign(z) #返回符号square = tf.square(x) #计算平方round = tf.round(x) #舍入最接近的整数sqrt = tf.sqrt(x) #开根号pow = tf.pow(x, y) #幂次方exp = tf.exp(x) #计算e的次方log = tf.log(x) #计算log,一个输入计算e的ln,两输入以第二输入为底max = tf.maximum(x,y) #最大值min = tf.maximum(x,y) #最小值cos = tf.cos(x) #三角函数cosinesin = tf.sin(x) #三角函数sintan = tf.tan(x) #三角函数tanatan = tf.atan(x) #三角函数ctansess = tf.Session() #建立会话#运行会话,输入数据,并计算节点print(sess.run(add, feed_dict={x: 3, y: 3}))print(sess.run(sub, feed_dict={x: 3, y: 3}))print(sess.run(mul, feed_dict={x: 3, y: 3}))print(sess.run(div, feed_dict={x: 3, y: 3}))print(sess.run(mod, feed_dict={x: 3, y: 3}))print(sess.run(ads, feed_dict={z: -3}))print(sess.run(neg, feed_dict={z: -3}))print(sess.run(sign, feed_dict={z: -3}))print(sess.run(square, feed_dict={x: 3, y: 3}))print(sess.run(round, feed_dict={x: 3.2}))print(sess.run(sqrt, feed_dict={x: 9}))print(sess.run(pow, feed_dict={x: 3, y: 3}))print(sess.run(exp, feed_dict={x: 3}))print(sess.run(log, feed_dict={x: 3}))print(sess.run(max, feed_dict={x: 3, y: 5}))print(sess.run(min, feed_dict={x: 3, y: 1}))print(sess.run(cos, feed_dict={x: 3}))print(sess.run(sin, feed_dict={x: 3}))print(sess.run(tan, feed_dict={x: 3}))print(sess.run(atan, feed_dict={x: 3}))# 任务完成, 关闭会话.sess.close()
结果如下
6.00.09.01.00.03.03.0-1.09.03.03.027.020.08551.098615.03.0-0.9899920.14112-0.1425471.24905Process finished with exit code 0
张量操作Tensor Transformations
- 数据类型转换
import tensorflow as tf#定义‘符号’变量,也称为占位符x = tf.placeholder("float")y = tf.placeholder("float")z = tf.placeholder("string")#构造一个op节点result1 = tf.string_to_number(z) #字符串转为数字result2 = tf.to_double(x) #转为64位浮点类型–float64result3 = tf.to_float(x) #转为32位浮点类型–float32result4 = tf.to_int32(x) #转为32位整型–int32result5 = tf.to_int64(x) #转为64位整型–int64result6 = tf.cast(x, tf.int32) #将x或者x.values转换为dtypesess = tf.Session()print(sess.run(result1, feed_dict={z: "-3"}))print(sess.run(result2, feed_dict={x: 3}))print(sess.run(result3, feed_dict={x: 3}))print(sess.run(result4, feed_dict={x: 3}))print(sess.run(result5, feed_dict={x: 3}))print(sess.run(result6, feed_dict={x: 3}))# 任务完成, 关闭会话.sess.close()
结果如下
-3.03.03.0333Process finished with exit code 0
- 形状操作Shapes and Shaping
import tensorflow as tf#定义‘符号’变量,也称为占位符t = [[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]]]print(tf.shape(t)) #返回数据的shapeprint(tf.size(t)) #返回数据的元素数量print(tf.rank(t)) #返回tensor的rank,注意:此rank不同于矩阵的rank,tensor的rank表示一个tensor需要的索引数目来唯一表示任何一个元素,也就是通常所说的 “order”, “degree”或”ndims”ret = tf.reshape(t, [3,4]) #改变tensor的形状print(tf.shape(ret))at = tf.expand_dims(t, 1) #插入维度1进入一个tensor中print(tf.shape(at))
结果如下
Connected to pydev debugger (build 171.4249.47)Tensor("Shape:0", shape=(3,), dtype=int32)Tensor("Size:0", shape=(), dtype=int32)Tensor("Rank:0", shape=(), dtype=int32)Tensor("Shape_1:0", shape=(2,), dtype=int32)Tensor("Shape_2:0", shape=(4,), dtype=int32)Process finished with exit code 0
阅读全文
2 0
- Tensorflow之常用方法总结(1)
- Tensorflow 常用方法总结(持续更新)
- tensorflow学习之常用函数总结:tensorflow.reduce_mean()函数
- tensorflow学习之常用函数总结:tensorflow.argmax()函数
- tensorflow学习之常用函数总结:tensorflow.cast()函数
- tensorflow学习之常用函数总结:tensorflow.placeholder()函数
- TensorFlow学习笔记(十三)TensorFLow 常用Optimizer 总结
- tensorflow常用函数总结
- TensorFLow 常用错误总结
- 【python】tensorflow常用方法
- const之常用方法总结
- tensorflow学习之常用函数总结:tensorflow官方例子中的诸如tf.reduce_mean()这类函数
- tensorflow学习之常用函数总结:tensorflow官方例子中的诸如tf.reduce_mean()这类函数
- Tensorflow基础知识总结(1)
- TensorFlow 常用类与方法
- TensorFlow学习笔记(1)--TensorFlow简介,常用基本操作
- 深入浅出Tensorflow(三):训练神经网络模型的常用方法
- 深入浅出Tensorflow(三):训练神经网络模型的常用方法
- 端口映射
- AR技术新突破,基于图的平面物体跟踪算法Gracker
- Leetcode: populating-next-right-pointers-in-each-node
- c#中txt与datagridview的数据交互
- 研究微信小程序
- Tensorflow之常用方法总结(1)
- Fox And Two Dots
- java-重载、重写、多态、super、this
- java基础之一注释
- sqoop export 问题
- OutOfMemoryError GC overhead limit exceeded
- ReactNative 设置手势密码
- linux上代码如何上传至git?
- 机器学习-->集成学习-->Adaboost