TensorFlow2基礎操作

文章目錄

• TensorFlow2基礎操作
• • 數據類型
  • Tensor創建
  • Tensor索引和切片
  • Tensor維度變換
  • Broadcast
  • 數學運算
  • 補充說明

數據類型

• 說明
  • TensorFlow其實并沒有那么神秘，為了適應自動求導和GPU運算，它應運而生。為了契合numpy的核心數據類型ndarray，其最核心的數據類型為Tensor，中文指張量（一般，數學上分標量，一維向量，二維矩陣，二維以上稱為張量，當然在TF2中上述各種都是使用Tensor類型）。而Variable是對Tensor的一個封裝，使其Tensor具有自動求導的能力（即可以被優化，這個類型是專為神經網絡參數設定的）。
• Tensor
  • 數值類型
    • int, float, double
    • bool
    • string
    • 演示
  • Variable
    • 創建及使用類似Tensor，只是多了trainable等屬性。

Tensor創建

• from numpy or list
  • TF的Tensor可以直接從numpy的矩陣或者符合矩陣規則的Pythonlist中生成。
  • 演示
• 方法創建
  • tf.zeros
    • 接受參數為shape，創建全0的tensor。
  • tf.zeros_like
    • 接受參數為tensor，創建根據該tensor的shape的全0的tensor。
  • tf.ones
    • 類似tf.zeros
  • tf.ones_like
    • 類似tf.zeros_like
  • tf.random.normal
    • 接受參數為shape,mean,stddev，創建指定shape的tensor，數據從指定均值和標準差的正態分布中采樣。
  • tf.random.truncated_normal
    • 接受參數同上，創建指定shape的tensor，數據從指定均值和標準差的正態分布截斷后采樣。
  • tf.random.uniform
    • 接受參數為shape,minval,maxval，創建指定shape的tensor，數據從指定最小值到最大值之間的均勻分布中生成。
  • tf.range
    • 接受參數為limit，創建一維的start到limit的tensor。
  • tf.constant
    • 類似tf.convert_to_tensor。

Tensor索引和切片

• C語言風格
  • 通過多層下標進行索引。
• numpy風格
  • 通過多層下標索引，寫在一個中括號內，使用逗號分隔。
• Python風格
  • array[start:end:step, start:end:step, ...]可以缺省，start和end缺省時取從開端到結尾。同時，默認從第一個維度開始取，幾個冒號則從開始取幾個維度，后面的剩余維度全取。同樣，上述省略號表示后面的維度都取，等同于不寫的含義（但是，當省略號出現在中間則不能不寫）。
• selective index
  • tf.gather(a, axis, indices)
  • axis表示指定的收集維度，indices表示該維度上收集那些序號。
  • tf.gather_nd(a, indices)
  • indices可以是多維的，按照指定維度索引。
  • tf.boolean_mask(a, mask, axis)
  • 按照布爾型的mask，對為True的對應取索引（支持多層維度）。
  • 演示。

Tensor維度變換

• tf.reshape(a, shape)
  • 將Tensor調整為新的合法shape，不會改變數據，只是改變數據的理解方式。（reshape中維度指定為-1表示自動推導，類似numpy）
• tf.transpose(a, perm)
  • 將原來Tensor按照perm指定的維度順序進行轉置。
• tf.expand_dims(a, axis)
  • 在指定維度的前面（axis為正數）或者后面（axis為負數）增加一個新的空維度。
• tf.squeeze(a, axis)
  • 消去指定的可以去掉的維度（該維度值為1）。

Broadcast

• 不同維度的Tensor進行相關運算時需要維度進行統一，broadcast一般是先增加空維度再沿著這個維度復制原數據（事實上存儲上沒有復制）。在TensorFlow中，broadcast運算時是自動進行的，當然，也可以調用tf.broadcast_to(a, target_shape)進行顯式操作。
• Broadcast使得編碼相當簡潔且節省內存空間。但是，當expand這一步無法進行時，broadcast就會失敗，從而報錯。

數學運算

• 元素運算
  • 基本的加減乘除，即矩陣對應位置的元素進行這四種數學運算。
• 矩陣運算
  • 矩陣之間的運算，符合矩陣的運算規則，主要是矩陣乘法。
• 維度運算
  • 某一個維度上的操作，reduce_mean、reduce_max等方法。

補充說明

• 本文主要講解了TensorFlow2提供的一些基礎操作的API解析。
• 博客同步至我的個人博客網站，歡迎瀏覽其他文章。
• 如有錯誤，歡迎指正。

超強干貨來襲 云風專訪：近40年碼齡，通宵達旦的技術人生

總結

以上是生活随笔為你收集整理的TensorFlow2-基础操作的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。