TensorFlow框架之张量变量

张量（Tensor）

1、张量在计算机中如何存储？

标量  一个数字    ----  0阶张量

向量 一维数组[2,3,4]  ----一阶张量

矩阵 二维数组[[2,3,4],

                        [5,6,7]]  ----2阶张量

张量  n维数组   ----n阶张量       TensorFlow的张量就是一个n维数组。

2）两个重要的属性 ：type  ---数据类型   shape  ---形状（阶）

张量的类型

张量的阶

def tensor_demo():
    """
    张量的演示
    :return:
    """
    tensor1 = tf.constant(4.0)
    tensor2 = tf.constant([1,2,3,4])
    linear_squares = tf.constant([[4],[9],[16],[25]],dtype=tf.int32)
    print("tensor1:\n",tensor1)
    print("tensor2:\n", tensor2)
    print("liner_squares:\n", linear_squares)
    return None
tensor_demo()

创建张量的时候，如果不指定类型 默认 tf.float32 整形tf.int32  浮点型tf.float32

2、创建张量的指令 具体操作查看API

1）固定值张量

     tf.zeros(shape, dtype-=t.float32, name: =None)  ---创建所有元素设置为0

     tf.ones(shape, dtype=tf1loat32, name=None) ---创建所有元素为1

     tf.constant(value, dtype=None, shape=None, name='Const') ---创建一个常数张量

2）随机张量

     tf.truncated_ normal(shape, mean=0.0, stddev= 1.0, dtype-tf.float32, seed=None,                          name=None)  ----创建符合正态分布

    特殊张量   tf.Variable   tf.placeholder

3、张量的变换

1）类型改变

最后一个可以修改任何 tf.cast(tensor,dtype)

               不会改变原始的tensor  返回新改变类型后的tensor

2）形状改变

静态形状   ---初始创建张量时的形状

         （tensor.set_shape(shape)）只有在形状没有完全固定下来的情况 并且不能跨阶修改

动态形状

          （tf.reshape（tensor,shape））创建新张量时，张量元素个数必须匹配

4、张量的数学运算  使用时查API

 算数运算符 

基本数学函数

矩阵运算

reduce操作

序列索引操作

变量OP

TensorFlow变量是表示程序处理的共享持久状态的最佳方法。变量通过tf.VariableOP类进行操作。变量的特点:
        存储持久化
        可修改值
        可指定被训练

1、创建变量

tf.Variable(initial_ value=None,trainable=True,collections=None,name=None）

        initial_ value：初始化的值

        trainable：是否被训练

        collections：新变量将添加到列出的图的集合collection

注意： 变量需要显示初始化，才能运行值

修改变量的命名空间

好处：代码模块化，清晰，可视化也更加清晰