本篇文章給大家分享的是有關Tensorflow中的張量數據結構是什么，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。
程序 = 數據結構+算法。
TensorFlow程序 = 張量數據結構 + 計算圖算法語言
張量和計算圖是 TensorFlow的核心概念。
張量即多維數組。TensorFlow的Tensor和numpy中的array很類似。
從行為特性來看，有兩種類型的張量，常量constant和變量Variable.
常量的值在計算圖中不可以被重新賦值，變量可以在計算圖中用assign等算子被重新賦值。
張量的數據類型和numpy.array基本一一對應。
import numpy as np
import tensorflow as tf
i = tf.constant(1) # tf.int32 類型常量
l = tf.constant(1,dtype = tf.int64) # tf.int64 類型常量
f = tf.constant(1.23) #tf.float32 類型常量
d = tf.constant(3.14,dtype = tf.double) # tf.double 類型常量
s = tf.constant("hello world") # tf.string類型常量
b = tf.constant(True) #tf.bool類型常量
print(tf.int64 == np.int64)
print(tf.bool == np.bool)
print(tf.double == np.float64)
print(tf.string == np.unicode) # tf.string類型和np.unicode類型不等價
不同類型的數據可以用不同維度(rank)的張量來表示。
標量為0維張量，向量為1維張量，矩陣為2維張量。
彩色圖像有rgb三個通道，可以表示為3維張量。
視頻還有時間維，可以表示為4維張量。
可以簡單地總結為：有幾層中括號，就是多少維的張量。
可以用tf.cast改變張量的數據類型。
可以用numpy方法將tensorflow中的張量轉化成numpy中的張量。
可以用shape方法查看張量的尺寸。
模型中需要被訓練的參數一般被設置成變量張量。
以上就是Tensorflow中的張量數據結構是什么，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
