74、TensorFlow 特殊数据结构与图的深入解析

TensorFlow 特殊数据结构与图的深入解析

1. 特殊数据结构

TensorFlow 除了常规的浮点或整数张量外，还支持多种特殊数据结构，下面为你详细介绍。

1.1 字符串

张量可以存储字节字符串，这在自然语言处理中特别有用。以下是一些示例代码：

import tensorflow as tf

# 创建字节字符串张量
print(tf.constant(b"hello world"))
# 输出: <tf.Tensor: id=149, shape=(), dtype=string, numpy=b'hello world'>

# 自动将 Unicode 字符串编码为 UTF - 8
print(tf.constant("café"))
# 输出: <tf.Tensor: id=138, shape=(), dtype=string, numpy=b'caf\xc3\xa9'>

# 创建表示 Unicode 字符串的张量
print(tf.constant([ord(c) for c in "café"]))
# 输出: <tf.Tensor: id=211, shape=(4,), dtype=int32, numpy=array([ 99,  97, 102, 233], dtype=int32)>

在 tf.string 类型的张量中，字符串长度不是张量形状的一部分；而在 Unicode 字符串张量（即 int32 张量）中，字符串长度是张量形状