张量：TensorFlow的构建块

TensorFlow的用途 张量 定义框架和处理数据。一种 tensor conceptualized multidimensions vectors and matrices. Mathematically, a 张量 is a geometric 目的 that maps in a multi-linear manner geometric vectors, scalars, and another 张量(s) to a resulting 张量.

• 

秩	实体
0	标量
1	向量
2	矩阵
3	3张量
n	正弦张量

这些张量对象用于实现Graph对象，这些对象之间相互协调以产生所需的结果。张量（tf.Tensor）对象具有以下两个基本属性：“Data Type” and “Shape”。张量中的每个元素都具有相同的数据类型，并且该数据类型始终是已知的。形状（即它具有的维数和每个维的大小）可能仅是部分已知的。如果输入的形状也完全已知，则大多数操作会产生形状已知的张量，但在某些情况下，’仅在图执行时才能找到张量的形状。除此之外，还有其他可能的变量。

张量等级（尺寸）

秩 of 张量 is the actual dimension of the database. The 张量 shape represents the size of each dimension. A 0 rank means zero dimension and represents scalar quantity.

fruit = tf.Variable(" 苹果 ", tf.string)
Count = tf.Variable(100, tf.int16)
Weight = tf.Variable(3.14159265359, tf.float64)

等级1表示一个维度，即一个项目列表。

Names = tf.Variable(["Nilesh","Akash","Ritesh"], tf.string) 
Weights  = tf.Variable([100, 110], tf.float32) 
GPA = tf.Variable([4,3], tf.int32)

等级2表示作为列表列表的2D数组。

Students = tf.Variable([["Nilesh"],["Ritesh"]], tf.string)
Ages = tf.Variable([[25],[26]], tf.int16)
Tall = tf.Variable([[False], [True]], tf.bool)

 Rank of atf.Tensor object

tf.rank方法可用于确定对象的等级。

r = tf.rank(Students)
# After the graph runs, r will hold the value 2.

例：

 import 张量flow as tf
 sess = tf.InteractiveSession()
 Students = tf.Variable([["Nilesh"],["Ritesh"]], tf.string)
 r = tf.rank(Students)
 init = tf.global_variables_initializer()
 with sess.as_default():
     print_op = tf.print(r)
     with tf.control_dependencies([print_op]):
         out = tf.add(r, r)
     sess.run(out)
 with sess.as_default():
     sess.run(init)
     v = sess.run(Students)
     print(v)

(venv) [[email protected] TENSORFLOW]$ 
Instructions for updating:
Colocations handled automatically by placer.
2
[[b'Nilesh']
 [b'Ritesh']]

---

广告