Tensorflow2.0——基础

Tensorflow基础

Tensorflow数据类型

• scalar：标量1.1
• vector：向量[1.1],[1.1,2.2]
• matrix：矩阵[[1.1,2.2],[3.3,4.4]]
• tensor：所有数据类型
• int、float、double
• bool、string
  【基本操作】
  
  【数据类型转换】
  

创建tensor

• from numpy、list；
• zeros、ones；
• fill；
• random；
• constant；
• Application

1.from numpy、list
2.tf.zeros、tf.ones

3.normal（正态分布）

4.Uniform（均匀分布）

Typical Dim Data

1.Scalar:[]
例：Loss
2.Vector:[1,2,3,4…]
3.Matrix
input x:[b, vec_dim]
weight:[input_dim,output_dim]

4.Dim=3 Tensor
词向量：x:[b, seq_len, word_dim]
b:语句个数；seq_len:语句所含词语数；word_dim:每个词向量的长度
5.Dim=4 Tensor
Image:[b, h, w, 3]
feature maps:[b, h, w, c]
b:图片个数；h:高度；w:宽度；c：通道数

6.Dim=5 Tensor
Single task:[b, h, w, 3]
meta_task:[task_b, b, h, w, 3]

Tensorflow基本操作

索引和切片

1.索引

start: end: step

倒序采样：
省略号:…

2.tf.gather
data:[classes, students, subjects]
[4, 35, 8]
（1）tf.gather

（2）tf.gather_nd

（3）tf.boolean_mask

维度变化

1.reshape

reshape有时会导致潜在的问题，容易造成维度混乱，一定小心使用。
2.tf.tranpose 指定维度转换

3.Expand Dim

4.Squeeze Dim

Broadcasting

注意：维度匹配，从最后一个维度（最小的）开始。
如果维度为1就变成相同的；如果没有维度就增加一个维度变成相同的；否则，如果不同就不可转变。
1.Broadcasting

2.tf.broadcast_to

3.Broadcast VS Tile

数学运算

• ±*/, //, %
• **, pow, square, sqrt
• exp, log
• @, matmul
• linear layer

1.tf.math.log 、tf.exp

【log2或log10，底数放在后面】

2.pow、sqrt

3.@、mutmul