目录
2.4 fill()，设置shape并初试化shape中的值
3.1 a = tf.convert_to_tensor(b)
4.将list中元素逐个转换为Tensor对象然后依次放入Dataset中
下载安装：
链接：https://pan.baidu.com/s/107V18x6wqaXWerwj8hxMKA?pwd=2022
提取码：2022
1.张量（Tensor）
3 # 这个 0 阶张量就是标量，shape=[]
[1., 2., 3.] # 这个 1 阶张量就是向量，shape=[3]
[[1., 2., 3.], [4., 5., 6.]] # 这个 2 阶张量就是二维数组，shape=[2, 3]
[[[1., 2., 3.]], [[7., 8., 9.]]] # 这个 3 阶张量就是三维数组，shape=[2, 1, 3]
2.创建Tensor
2.1 tf.zero()
import tensorflow as tf
tensor1 = tf.zeros([])
tensor2 = tf.zeros([1]) #参数表示shape()
tensor3 = tf.zeros([2,2])
print(tensor1)
print(tensor2)
print(tensor3)
"""
tf.Tensor(0.0, shape=(), dtype=float32)
tf.Tensor([0.], shape=(1,), dtype=float32)
tf.Tensor(
[[0. 0.]
[0. 0.]], shape=(2, 2), dtype=float32)
"""2.2 tf.zeros_like()
2.3 tf.ones()
2.4 fill()，设置shape并初试化shape中的值
import tensorflow as tf
a = tf.fill([2,2],0)
b = tf.fill([2,2,2],9)
print(a)
print(b)
"""
tf.Tensor(
[[0 0]
[0 0]], shape=(2, 2), dtype=int32)
tf.Tensor(
[[[9 9]
[9 9]]
[[9 9]
[9 9]]], shape=(2, 2, 2), dtype=int32)
"""2.5 normal()
2.6.tf.constant()
3.将numpy或list转为Tensor
3.1 a = tf.convert_to_tensor(b)
例如：
import numpy as np
import tensorflow as tf
numpy1 = np.ones([2,3])
numpy2 = np.zeros([2,3])
list = [1,2]
tensor1 = tf.convert_to_tensor(np.ones([2,3])) #将numpy数据转化为Tensor数据
tensor2 = tf.convert_to_tensor(list) #list转Tensor
print("numpy的数据类型：",np.ones([2,3]))
print("numpy转Tensor:",tensor1)
print("list转Tensor:",tensor2)
4.将list中元素逐个转换为Tensor对象然后依次放入Dataset中
import tensorflow as tf
# 传入list，将list中元素逐个转换为Tensor对象然后依次放入Dataset中
x1 = [0, 1, 2, 3, 4]
x2 = [[0, 1], [2, 3], [4, 5]]
ds1 = tf.data.Dataset.from_tensor_slices(x1)
ds2 = tf.data.Dataset.from_tensor_slices(x2)
for step, m in enumerate(ds1):
print(m) # tf.Tensor(0, shape=(), dtype=int32)...
for step, m in enumerate(ds2):
print(m) # tf.Tensor([0 1], shape=(2,), dtype=int32)...
# 传入tuple。这种形式适合整合特征和标签。
xx = [[0, 1], [2, 3], [4, 5]]
yy = [11, 22, 33]
ds11 = tf.data.Dataset.from_tensor_slices((xx, yy))
for step, (ds11_xx, ds11_yy) in enumerate(ds11):
print(ds11_xx) # tf.Tensor([0 1], shape=(2,), dtype=int32)...
print(ds11_yy) # tf.Tensor(11, shape=(), dtype=int32)...5.Dense()
6.Conv2D()：卷积
import tensorflow as tf
from keras.applications.densenet import layers
x = tf.random.normal((4,32,32,3))
net = layers.Conv2D(16,kernel_size=3)
print(net(x).shape)
"""
(4, 30, 30, 16)
"""