0
点赞
收藏
分享

微信扫一扫

TensorFlow学习(一)

  1. TensorFlow常量和变量的定义:
  1. (常量) constant
  2. (变量)varible    需要初始化 init才能使用
  3. dtype  表示常量和变量的类型
  4. 变量需要初始化 tf.compat.v1.global_variables_initializer()
  5. 常量的初始化  sess=tf.compat.v1.Session()
  1. TensorFlow的运算原理:
  1. 本质 tf=tensor+计算图
  2. tensor数据
  3. Op
  4. Grasps 数据操作
  5. Session 一个运算的交互环境
  1. 多维数组:
  1. 数组的形状用一个元组来表示,它描述了数组的维数和长度
  2. 数组的表示 shape()
  3. numpy库
  1. 创建数组:
  2. 引入Numpy 函数库     import numpy as np
  3.  array([列表]/(元组))
  4. 数组的属性:
  1. ndim   数组的维数
  2. shape      数组的形状
  3. size      数组中元素的总个数
  4. dtype   数组中元素的数据类型
  5.  itemsize  数组中每个元素的字节数
  1. 创建特殊的数组:
  1.  np.arange()   创建数字序列的数组
  2.  np.ones()  创建全1数组
  3.   np.zeros()  创建全0的数组
  4.  np.eye()   创建单位矩阵
  5.  np.linspace()  创建等差数列
  6.    np.logspace()  创建等比数列
  1.  arrage() 函数 :创建一个由数字序列构成的数组:
  2.   np.arrage(起始数字,结束数字,步长,dtype=数据类型)
    1.  步长的意思是每次加上一个数字
    2. np.arange(0,2,0.3)
    3. 等差数列    np.linspace(start,end,sum)
    4. 等比数列 np.logspace(start,end,sum,base)
      1.  asarray() 引用本来数组元素的副本  值会发生改变
  3.  数组的运算:
  4. 数组元素的切片——一维数组
    1. a[0:3]   输出下标为0,1,2的元素
    2. A[ :3]    起始数字缺少从0开始输出
    3.  a[0:]   输出下标从0开始到下标结束
  5. 二维数组
    1.  b[0:2] 输出二维数组的第0行和第1行
    2.  b[:,0] 输出的0列的元素
  6.  三维数组
    1. t[:,:,0]  输出z轴的第0列
    2.   t=np.array([[[1,2,3],[4,5,6],[7,8,9]]

            ,[[11,12,13],[14,15,16],[17,18,19]]])  三维数组的建立

  1.   m=np.arange(15).reshape(3,5)  0-15的三行五列的数组

 

  • 数组都是从0开始的
  1. 函数:
  1.  np.reshape(shape)  数组本身没有发生改变  
  2. Np.resize(shape)   数组本身发生改变


举报

相关推荐

0 条评论