Tensor數據類型

[TOC]

Tensor數據類型

• list: [1,1.2,'hello'] ，存儲圖片佔用內存很是大
• np.array，存成一個靜態數組，可是numpy在深度學習以前就出現了，因此不適合深度學習
• tf.Tensor，爲了彌補numpy的缺點，更多的是爲了深度學習而生
• tensor：
  • scalar：標量，1.1
  • vector：向量，[1.1],[1.1,2.2,...]
  • matrix: 矩陣，[[1.1,2.2],[3.3,4.4]]
  • tensor：rank>2
• 數據類型：
  • Int, float, double
  • bool
  • string
• 定義tensor

tf.constant(1)  # 定義常量，普通的tensor
tf.constant(1.)  # 定義常量，普通的tensor
tf.constant([True, False])  # 定義常量，普通的tensor
tf.constant('hello nick')

屬性

with tf.device('cpu'):
  a = tf.constant([1])
with tf.device('gpu'):
	b = tf.constant([1])
  
a.device # 設備屬性
a.gpu()  # cpu轉gpu
a.numpy()  # 獲取numpy數據類型
a.shape  # 獲取a的屬性
a.ndim  # 獲取維度
tf.rank(a)  # 獲取維度
a.name  # 1.+歷史遺留問題

數據類型判斷

instance(a,tf.Tensor) # 判斷是否爲tensor
tf.is_tensor(a)  # 判斷是否爲tensor
a.dtype,b.dtype,c.dtype  # 判斷數據類型

數據類型轉換

a = np.arange(5)
aa = tf.convert_to_tensor(a,dtype=tf.int32) # numpy轉tensor

tf.cast(aa,dtype=tf.float32)  # tensor之間數據類型轉換


# int --》 bool
b = tf.constant([0,1])
tf.cast(b,dtype=tf.bool) # int --》bool

# tf.Variable
a = tf.range(5)
b = tf.Variable(a) # tensor轉爲Variable後具備求導的特性，即自動記錄a的梯度相關信息
b.name # Variable:0

b = tf.Variable(a, name='input_data')
b.name # input_data:0
b.trainable # True

isinstance(b,tf.Tensor)  # False
isinstance(b,tf.Variable)  # True
tf.is_tensor(b)  # True  # 推薦使用

## tensor轉numpy

a= tf.range(5)
a.numpy()

# a必須是scalar
a = tf.ones([])
a.numpy()
int(a)
float(a)