TensorFlow2简单入门-张量数据结构（Tensor）

程序 = 数据结构+算法

TensorFlow程序 = 张量数据结构 + 计算图算法语言

TensorFlow中的数值类型依据维度数，可以划分为标量(Scalar)、向量(Vector)、矩阵(Matrix)、张量(Tensor)。但是在TensorFlow中为了表达方便，一般把标量、向量、矩阵也统称为张量，不作区分。

1.标量在 TensorFlow2 上的创建如下：

import tensorflow as tf
a = 1.0                  # python语言方式创建标量
b = tf.constant(1.0)     # TF方式创建标量
type(a), type(b)
'''
输出：
(float, tensorflow.python.framework.ops.EagerTensor)
'''

2.向量在 TensorFlow2 上的创建如下：

import tensorflow as tf
import tensorflow as tf
c = tf.constant([1,2.2,3.3])     # 创建向量
type(c) ,c.shape
'''
输出：
(tensorflow.python.framework.ops.EagerTensor, TensorShape([3]))
'''
c
'''
输出：
<tf.Tensor: shape=(3,), dtype=float32, numpy=array([1. , 2.2, 3.3], dtype=float32)>
'''

其中shape 表示张量的形状， dtype 表示张量的数值精度，.numpy()方法可以返回 Numpy.array 类型的数据，代码如下:

#接上面代码
c.numpy()
'''
输出：
array([1. , 2.2, 3.3], dtype=float32)
'''

3.矩阵在 TensorFlow2 上的创建如下：

d = tf.constant([[1,2],[3,4],[5,6]]) #  创建 3 行 2 列的矩阵
d, d.shape
"""
输出：
(<tf.Tensor: shape=(3, 2), dtype=int32, numpy=
 array([[1, 2],
        [3, 4],
        [5, 6]])>,
 TensorShape([3, 2]))
"""

4.三维张量在 TensorFlow2 上的创建如下：

e = tf.constant([[[1,2],[3,4]],[[5,6],[7,8]]]) # 创建 3 维张量
e
"""
输出：
<tf.Tensor: shape=(2, 2, 2), dtype=int32, numpy=
array([[[1, 2],
        [3, 4]],

       [[5, 6],
        [7, 8]]])>
"""