Tensorflow学习第二篇-基础学习 2020-09-16

一、遇到的问题

（1）Tensorflow2.0中没有相关模块

在编译的时候，会出现以下的问题，找你很久，才找到解决方法。

问题：

1）AttributeError: module 'tensorflow' has no attribute 'Session'

2）AttributeError: module 'tensorflow' has no attribute 'matrix_determinant'

解决方法：
      import tensorflow as tf
      tf.compat.v1.disable_eager_execution()
      sess = tf.compat.v1.Session()

      tf.compat.v1.matrix_determinant()

也就是说：需要添加'compat.v1'

参考网址：https://www.cnblogs.com/peijz/p/12790367.html

二、基础记录

1.创建张量

tf.constant()

参数是NumPy数组时，默认的浮点数是64，则tf.cinstan(np.array(1.0,2.0)),输出的类型是dtype=tf.float64;也就是说我们在使用数组作为参数时，tf.constant也接收了它的类型；所以在创建时就要确定好它的类型。

2.数据转换

tf.cast()函数将数据进行类型转换：低精度向高精度转换，否则一溢出。

tf.convert_to_tensor():将数据转换成tensor张量形式；

3.特殊的张量

1）创建全0张量和全1张量

tf.zeros(shape,dtype = tf.float32)

tf.ones(shape,dtype = tf.float32)

2)元素值都相同的张量

tf.fill([2,3],9)

tf.constant(6,[2,3])

3)创建随机数张量--正态分布

tf.random.normal(shape,mean,stddev,dtype) : 

tf.random.truncated_normal() :返回一个截断的正态分布

tf.random.set_seed() :设置随机种子

tf.random.uniform() :创建均匀分布的张量

tf.random.shutffle() :随机打乱

4）创建序列---tf.range()

4.查看张量的属性

print(a.ndim);

print(a.dtype);

tf.shape(a);

tf.size();

tf.rank();

5.总结：

1)创建张量--小结

2)在Tensorflow中，所有的运算都是在张量中进行的；Numpy仅仅是输入和输出来使用；

   张量运行在CPU、GPU和TPU；而NumPy数组只能在CPU中运行；

附录：

手写数字的代码

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np
mnist = tf.keras.datasets.mnist
(train_x, train_y),(test_x,test_y) = mnist.load_data()
train_x[0]

plt.axis("off")
plt.imshow(train_x[44],cmap="gray")
plt.title(train_y[44])
plt.show()