### 1、python中的容器 ``` python ->list np->np.array tf->tf.Tensor ``` ### 2、TF的格式 ``` scalar:1.1 vector:[1.1],[1.2,1.3...] matrix:[[1.1,1.2],[1.3,1.4]...] tensor:rank>2 ``` ### 3、TF支持的数据类型 ``` int,float,double bool string ``` ### 4、创建 ```py # 创建一个int的TF对象 tf.constant(1) # 创建一个float的TF对象 tf.constant(1.) # 创建一个bool的TF对象 tf.constant([True,False]) # 创建一个string的TF对象 tf.constant('hello world.') ``` ### 5、TF 常用属性 #### 5.1、查看设备 ```py with tf.device('cup'): a=tf.constant([1]) # 查看设备名称 a.device ``` #### 5.2、设备转换 ```py # tf从cpu转换为gpu aa=a.gpu() ``` #### 5.3、转换为Numpy ``` a.numpy() ``` #### 5.4、查看维度 ``` # 获取维度 a.ndim # tf获取对象维度 tf.rank(a) # 例如 tf.rank(tf.ones([3,4,2])) # 结果 <tf.Tensor:id=25,...,numpy=3> # 获取每个维度的长度 a.shape ``` ### 6、判断是否是Tensor ``` # 结果返回True or False tf.is_tensor(a) ``` ### 7、获取Tensor类型 ``` # 获取tf类型 tf.dtype # 类型比较 if a.dtype==tf.float32: xxx ``` ### 8、数据类型转换 ``` # 创建一个numpy数据类型 a=np.arange(5) # 得到dtype('int64') print(a.dtype) # numpy转换为tf a_tf=tf.convert_to_tensor(a) # 设置转换的类型 a_tf=tf.convert_to_tensor(a, dtype=tf.int32) # tf自身转换类型 a_tf=tf.cast(a_tf, dtype=tf.float32) ``` ### 9、tf.Variable 在线性回归中，y=wx+b，其中w就是一个variable ``` # 创建一个自变量 w=tf.Variable(w) ``` #### 9.1、参数说明 trainable 代表这个变量是可更新的，例如：梯度下降中参数的更新 ### 结尾感谢 **学习内容来自于： 网易云课堂 ，作者：龙良曲，只供本人学习**