3 - 数据类型

6个月前 281次点击 来自 TensorFlow

收录专题: TensorFlow入门笔记

tensorflow 5种数据类型

# int型
a = tf.constant(1)
# float型
b = tf.constant(1.)
# double型
c = tf.constant(2.,dtype=tf.float64)
# bool型
d = tf.constant([True,False])
# string型
e = tf.constant('hello world')

如何创建一个tensor

# 通过numpy创建数据转换
a = tf.convert_to_tensor(np.ones([2, 3]))
# list转换
b = tf.convert_to_tensor([1, 2])
# 初始化全为0的tensor(tf.ones()用法同tf.zeros())
c = tf.zeros([2, 2])
# 以指定tensor的shape为基础创建新的tensor(同tf.zeros(c.shape))
d = tf.zeros_like(c)
# 填充任意元素
e = tf.fill([2, 2], 9)
# 随机化初始化:
# 正态分布,mean指定均值,stddev指定方差
f = tf.random.normal([2, 2], mean=1, stddev=1)
# 截断正态分布
g = tf.random.truncated_normal([2, 2], mean=1, stddev=1)
# 均匀分布
h = tf.random.uniform([2, 2], minval=0, maxval=1)

打乱顺序

# 随机打散
i = tf.range(10)
i = tf.random.shuffle(i)
x = tf.random.uniform([10],maxval=10,dtype=tf.int32)
y = tf.random.uniform([10],maxval=10,dtype=tf.int32)
print(i.numpy())
print("x:",x.numpy())
print("y:",y.numpy())
# .gather指定按照某一索引序列取值
x = tf.gather(x,i)
y = tf.gather(y,i)
print("x:",x.numpy())
print("y:",y.numpy())

loss和accuracy

# 生成一组数据用来模拟四张图片的网络输出
out = tf.random.uniform([4, 10])
print(out)
# 模拟四张图片对应的label
y = tf.range(4)
print(y)
# 使用one_hot对label进行编码
y = tf.one_hot(y, depth=10)
print(y)
# 调用keras的api来计算损失(MSE均方误差)
loss = tf.keras.losses.mse(y, out)
print(loss)
# 求loss的均值
loss = tf.reduce_mean(loss)
print(loss)
Card image cap
开发者雷

尘世间一个小小的开发者,每天增加一些无聊的知识,就不会无聊了

要加油~~~

技术文档 >> 系列应用 >>
热推应用
Let'sLearnSwift
学习Swift的入门教程
PyPie
Python is as good as Pie
标签