张量

01 张量的形状

import tensorflow as tf 

a=tf.constant(4) # 标量a
print(a)

tf.Tensor(4, shape=(), dtype=int32)

b=tf.constant([2.0,3.0,4])
# 向量
print(b)

tf.Tensor([2. 3. 4.], shape=(3,), dtype=float32)

c=tf.constant([[1,2],[3,4]])
# 2个轴，类比与单通道（黑白）图片
# dtype的类型具体可以先指定
cc=tf.constant([[1, 2],[3, 4],[5, 6]], dtype=tf.float16)
print(c)
print(cc)# 指定dtype类型

tf.Tensor(
[[1 2]
 [3 4]], shape=(2, 2), dtype=int32)
tf.Tensor(
[[1. 2.]
 [3. 4.]
 [5. 6.]], shape=(3, 2), dtype=float16)

d=tf.constant([
  [[0, 1, 2, 3, 4],
   [5, 6, 7, 8, 9]],
  [[10, 11, 12, 13, 14],
   [15, 16, 17, 18, 19]],
  [[20, 21, 22, 23, 24],
   [25, 26, 27, 28, 29]],])
# 3个轴，轴数可以任意指定
# 对于三个轴可以类比于三通道（彩色图像，RGB）（3×row×col）
# 对于四个轴可以类比于四通道（batch_size×3×row×col）
# 具体不同环境，具体考虑形状各指含义
print(d)

tf.Tensor(
[[[ 0  1  2  3  4]
  [ 5  6  7  8  9]]

 [[10 11 12 13 14]
  [15 16 17 18 19]]

 [[20 21 22 23 24]
  [25 26 27 28 29]]], shape=(3, 2, 5), dtype=int32)

# 可以使用np.array()或者.numpy()方法将张量转化为numpy数组
import numpy as np
aa=a.numpy()
bb=np.array(b)
print(aa)
print(bb)

4
[2. 3. 4.]

标签：01,constant,Tensor,dtype,张量,print,shape,tf,TensorFlow
来源： https://www.cnblogs.com/Vandaci/p/16419767.html