TensorFlow.NET--数据类型与张量详解

最新推荐文章于 2025-09-11 05:04:48 发布

原创最新推荐文章于 2025-09-11 05:04:48 发布 · 774 阅读

0 ·

CC 4.0 BY-SA版权

本文为博主原创文章，未经博主允许不得转载。

TensorFlow.NET 专栏收录该内容

2 篇文章

订阅专栏

本文详细介绍了TensorFlow.NET中的数据类型，包括数值、字符串和布尔类型，重点阐述了张量的概念，提供了创建、形状获取、类型转换、常量与变量的操作示例，并探讨了字符串的常见操作，如创建、转换和截取。

文章目录

一、数据类型

TensorFlow本质上是一个深度学习的科学计算库，这个库的主要数据类型为张量，所有的运算都是基于张量数据进行的操作，跟复杂的网络模型也只是一些基础运算的组合拼接，只有深入理解基本的张量运算，才能在各种深度学习的网络模型中游刃有余，开发出价值、有创意的算法模型。

TensorFlow数据类型的种类

数值类型

    //数字类型
    var x = tf.Variable(10,name:"test");

字符串类型

     //字符串类型 
     var str = tf.Variable("xiaofang", name: "carcha",dtype: tf.@string);

布尔类型

    //bool 类型
    var bol = tf.Variable(true);

二、张量详解

详解
- 张量类似于Numpy中N为数组对象NDArray，TensorFlow中数据的基本单位就是张量。二者都是多维数组的概念。我们可以使用张量表示标量 (0维数组)，向量（1维数组），矩阵（2维数组）。
条件
- C# 控制台应用程序
- 安装NuGet包

步骤

安装NuGet包

 Microsoft.ML
 Microsoft.ML.ImageAnalytics
 Microsoft.ML.Vision
 SciSharp.TensorFlow.Redist
 TensorFlow.NET

实例代码

形状获取

方式一

    var x = tf.constant(new[,] { { 1, 2, 3, 4 }, { 5, 6, 7, 8 } });
    Console.WriteLine(Enumerable.SequenceEqual(new[] { 2,4},x.shape));

上述结果返回为：true,张量的属性shape通过返回整形1维数组的方式显示张量的形状；如图：
在这里插入图片描述

方式二

    //获取形状 【通过Tensorflow.Binding封装的print()输出形状】
    var x = tf.constant(new[,] { { 1, 2, 3, 4 }, { 5, 6, 7, 8 } }); 
    print(x.shape);

返回结果为:[2,4]，如图：
在这里插入图片描述

类型获取

      var x = tf.constant(new[,] { { 1,2,3,4},{ 5,6,7,8} } );
      print(x.dtype);

返回结果：TF_INT32，如图：
在这里插入图片描述

值获取

      var x = tf.constant(new[,] { { 1, 2, 3, 4 }, { 5, 6, 7, 8 } });
      print(x.numpy());

返回结果：[[1, 2, 3, 4],[5, 6, 7, 8]]，如图：
在这里插入图片描述

类型转换

类型转换就是将张量转换成C#的数据类型[int\float\double]

    var x = tf.constant(12);
    //类型转换
    int x1 = (int)x;
    //数据输出
    Console.WriteLine(x1);

三、常量与变量

概述
- 从行为特性上看，有常量constant和变量Variable两张类型的张量。
- 常量在计算图中不可以被重新赋值；变量在计算图中可以使用assign等算子重新赋值。

常量

          //tf.bool 布尔类型
          var bol = tf.constant(true);
          Console.WriteLine(bol);
          //tf.byte类型
          var byt = tf.constant(1, tf.byte8);
          Console.WriteLine(byt);
          //tf.int32
          var i32 = tf.constant(1d);
          Console.WriteLine(i32);
          //tf.int64
          var i64 = tf.constant(2L);
          Console.WriteLine(i64);
          //tf.float类型
          var floa = tf.constant(1.23f);
          Console.WriteLine(floa);
          //tf.double 
          var doub = tf.constant(2.44);
          Console.WriteLine(doub);
          //tf.string
          var str = tf.constant("hello word");
          Console.WriteLine(str);

运行结果，如图：
在这里插入图片描述

变量

      var x = tf.Variable(new[,] { { 1,2,3} });
      print(x);

运行结果如图：
在这里插入图片描述

四、字符串的常见操作

TensorFlow.NET中也有专门的创建、转换和截取等常见的字符串操作。

通过byte创建字符串

      var str = tf.constant(new byte[] {0x41,0x42,0xd8,0xff },tf.@string);
      print(str);

运行结果如图：
在这里插入图片描述

通过numpy()创建字符串

numpy()函数可以转换字符串的值，代码如下：

        var tf_str = tf.constant(new byte[] {0x41,0x42,0xd8,0xff },tf.@string);
        var str = tf_str.numpy();
        print(str);

运行结果如图：

通过tf.string.substr()方法截取字符串

使用tf.string.substr()函数可以截取字符串，代码如下：

        var tf_str = tf.constant("hello word"); 
        //var str = tf.strings.substr([张量], [从哪开始截取，索引默认：0], [总共截取几个字符]); 
        var str = tf.strings.substr(tf_str, 0, 5);
        print(str);

运行结果如下：
在这里插入图片描述

截取字符串参数说明

    tf.strings.substr(Tensor input, int pos, int len, string name = null, string @uint = "BYTE");  
    - 参数1 input：类型Tensor，待截取的输入字符串
    - 参数2 pos:类型int，起始位置
    - 参数3 len:类型int，截取的长度
    - 返回值：类型为Tensor，返回截取后输出的字符串