TensorFlow2入门：数据类型与张量操作

"tensorflow2学习第一天，了解数据类型和张量操作" 在TensorFlow 2.x中，学习数据类型和张量操作是初学者的第一步。张量是TensorFlow的核心概念，它代表了多维数组，可以是标量、向量、矩阵甚至是更高维度的结构。以下是对这些概念的详细解释： 1. 数据类型： TensorFlow支持多种数据类型，如整型（`int32`，`int64`）、浮点型（`float32`，`float64`）以及布尔型（`bool`）等。在例子中，`tf.constant(1)`创建了一个整数类型的张量，而`tf.constant(1.)`则创建了一个浮点数类型的张量。 2. 张量（Tensor）： - **标量（Scalar）**：一个单实数，维度为0，如`a=1.2`，它的形状为`[]`。 - **向量（Vector）**：一维数组，如`tf.constant([1,2.,3])`，形状表示为`[3]`。 - **矩阵（Matrix）**：二维数组，如`bb=tf.constant([[1,2.],[3,4.]])`，形状为`[2,2]`。 - **多维数组**：对于TensorFlow 2.x，张量主要处理的是维度大于2的数据，如三维张量`bc`。 3. 创建张量： 使用`tf.constant()`函数可以创建张量。例如，创建标量`aa`，其类型为`tensorflow.python.framework.ops.EagerTensor`，可以通过`tf.is_tensor(aa)`检查它是否是张量，返回值为`True`。 4. 张量属性： - `id`：张量在TensorFlow内部的唯一标识。 - `shape`：表示张量的维度，如`[1]`、`[3]`或`[2,2]`。 - `dtype`：张量的数值精度，如`float32`或`int32`。 - `numpy()`：此方法可以将张量转换为Numpy数组，便于与其他模块交互。 5. 张量操作： - 定义向量时，需通过列表传递给`tf.constant()`，如`b=tf.constant([1,2,3.])`。 - 多维张量的创建，如`bb=tf.constant([[[1,2],[3,4]],[[5,6],[7,8]]])`，表示一个三维张量，形状为`[2,2,2]`。 6. 张量的形状操作： 可以通过`.shape`属性获取张量的形状，如`b.shape`返回`TensorShape([1])`，`bb.shape`返回`TensorShape([2,2])`。 7. 张量的打印： 使用`print()`函数可以打印张量的值和形状，如`print(bb)`会显示张量的值和形状信息。 通过这些基础知识，你可以开始构建和操作TensorFlow 2.x中的张量，进行计算和模型构建。随着学习的深入，还会接触到更多的操作，如张量的数学运算、控制流、变量和会话等，这些都是构建深度学习模型的基础。