这篇博客介绍了在TensorFlow 2.0中如何查看安装版本和GPU支持，并深入解释了张量的概念，将张量比喻为标量、向量和矩阵的推广。文章讨论了张量的秩（rank）和形状（shape），并通过实例展示了如何创建和理解不同秩的张量。此外，还提及了张量的创建方法，并提到它们与NumPy的相似性，尽管作者尚未深入学习NumPy。博客最后提到了学习资源来源于‘深度之眼’和‘春江明月’的博客。
总览
在进行tensorflow的使用之前，我们可以使用
import tensorflow as tf
print(tf.__version__)
print(tf.test.is_gpu_available())
来查看安装的tf版本以及gpu是否可使用。
关于张量（tensor）
通俗一点讲：张量是对标量，矢量，矩阵的推广。一阶张量可以理解成一个向量，二阶张量可以理解成矩阵，三阶张量可以理解成立方体，四阶张量可以理解成立方体组成的一个向量，五阶张量可以理解成立方体组成的矩阵，依次类推。
关于RANK与SHAPE的个人理解
通俗的讲，rank是指这个张量所具有的维度，可以是一维二维三维等等；shape是指这个张量的形状，由几行几列组成，可以理解为分别对张量每个维度的具体描述。
tensor1=tf.Variable(
最低0.47元/天 解锁文章
扫一扫
453
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
