テンソルテンソルすなわち、TFはスカラー、ベクトル、行列、多次元配列であってもよいコアデータ構造であります
プロパティ
データフォーマット
以下のようなtf.string、tf.float32、tf.int16、tf.int32、tf.complex64(複雑)、tf.bool
形状データ
1.形状はセッションせず、テンソル特性を直接得ることができる形状であります
2.形状は必ずしもコンパイル時に決定されていない、それが実行することによって推測することができます
注文:テンソルの次元
買収のためのセッションが必要です
例
tf.ones = D1([3、2 ]) 印刷(d1.shape) #(3、2)形状を直接得ることができる、セッション無し N1 = tf.rank(D1) プリント(N1) #テンソル(「ランク:0 」、形状=()、DTYPE = Int32)を直接セッションを必要とする順序を取得しない D2 = tf.constant([[[1 ,. 1 ,. 1]、[2、2、2]]、[[3 ,. 3、 3]、[4 ,. 4 ,. 4。]]]) プリント(D2) #テンソル( "のConst:0"、形状=(2,2 ,. 3)、DTYPE = Int32)を N2 = tf.rank(D2) TFとSESのAS .session(): 印刷(sess.run(N1)) #2テンソル 印刷(sess.run(N2)) #3階のテンソル
TFは、さらにいくつかの特別なテンソルがあります
tf.constant定数
tf.Variable変数
tf.placeholderプレースホルダ
定数
それに注意してください。
1.操作の異なるタイプは一定ではありません
直接割り当てとしてPythonのような2定数変数
DEF定数(値、DTYPE =なし、形状=なし、名前= " のConst ")
例
###単一素子 D1のtf.constant =(1 ) D2 = tf.constant(2、DTYPE = tf.int32、NAME = ' INT ' ) D3 = tf.constant(3、DTYPE = tf.float32、名前= ' フロート' ) D4 = tf.add(D1、D2) #D1 + D3のD5 = ###動作データの異なる種類のできない D6 = D1 + D2 sess1 = tf.Session() プリント(sess1.run(D4)) #3 #プリント(sess1.run(D5))###のfloat32タイプのInt32のタイプのエラー一致していない プリント(sess1.run(D6)) #3 プリント(タイプ(D6)) #<クラスのtensorflow.python.framework.ops.Tensor '> ###矩阵 D1 = tf.constant([1、2 ]]) D2 = tf.constant([[2 。]、[3 ]]) D3 = tf.matmul(D1、D2) # #常数赋值 D2 = D1 sess2 = tf.Session() プリント(sess2.run(D3)) # [[8] 印刷(sess2.run(D2)) #[1。2.]]
参考文献: