笔记：TensorFlow数据类型

TensorFlow数据类型

基本数据类型

# 整形
tf.constant(1)
#   <tf.Tensof: id=2, shape=(), dtype=int32, numpy=1>

# 浮点型
tf.constant(1.)
#   <tf.Tensof: id=4, shape=(), dtype=float32, numpy=1.0>

tf.constant(2.2, dtype=tf.int32)  #报错

tf.constant(2., dtype=tf.double)
#   <tf.Tensof: id=7, shape=(), dtype=float64, numpy=2.0>


# 布尔型
tf.constant([True, False])
#   <tf.Tensof: id=9, shape=(), dtype=bool, numpy=array([True, False])>

Tensor Property

分别在cpu和gpu下创建tensor

with tf.device("cpu"):
    a = tf.constant([1])
with tf.device("gpu"):
    b = tf.range(4)

在cpu上的tensor只能使用cpu的操作，gpu同理。

查看tensor所在的设备

a.device

将tensor转移至另一设备

aa = a.gpu()

将tensor转换为numpy

b.numpy()
#   array([0, 1, 2, 3], dtype = int32)

查看tensor的shape和维度

b.shape
b.ndim
tf.rank(b)

Check Tensor Type

a = tf.constant([1.])
b = tf.constant([True,False])
c = tf.constant('hello, world.')
d = np.arange(4)
#	判断是否为tensor
tf.is_tensor(b)  # True
tf.is_tensor(d)  # False
#	显示数据类型
a.dtype,b.dtype,c.dtype
# tf.float32, tf.bool, tf.string

c.dtype==tf.string  # True

Convert 类型转换

将numpy转换为tensor

a = np.arange(5)	#	默认int64
aa = tf.convert_to_tensor(a)
aa = tf.convert_to_tensor(a, dtype=tf.int32)

tensor类型转换

tf.cast(aa, dtype=tf.float32)

a = tf.range(5)
b=tf.Variable(a, name='input_data')
b.name
b.trainable
tf.is_tensor(b)	#True

显示tensor数据

调用numpy方法

a.numpy()

若a为标量，则可直接转换

int(a)
float(a)