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