tf的常量、变量和数据类型以及一些常用的计算函数-CFANZ编程社区

1.tf中常量的创建方法：

tf.constant(常量，dtype=数据类型)

2.tf中变量的创建方法：

tf.Variable(变量，dtype=数据类型)

3. tf中几种常见的数据类型:

有符号整型int（4种）

无符号整型uint（2种）

浮点型float（4种）

字符串型string(pytorch 不支持)

布尔型bool(pytorch 不支持)

复数型complex

数据类型	说明
`tf.int8`	8位整数
`tf.int16`	16位整数
`tf.int32`	32位整数
`tf.int64`	64位整数
`tf.uint8`	8位无符号整数
`tf.uint16`	16位无符号整数
`tf.float16`	16位浮点数
`tf.float32`	32位浮点数
`tf.float64`	64位浮点数
`tf.double`	等同于`tf.float64`
`tf.string`	字符串
`tf.bool`	布尔型
`tf.complex64`	64位复数
`tf.complex128`	128位复数

4. tf中几种常用的计算函数

操作	描述
`tf.add(x, y, name=None)`	`求和`
`tf.sub(x, y, name=None)`	`减法`
`tf.mul(x, y, name=None)`	`乘法`
`tf.div(x, y, name=None)`	`除法`
`tf.mod(x, y, name=None)`	`取模 ( x % y )`
`tf.abs(x, name=None)`	`绝对值 ( \|x\| )`
`tf.neg(x, name=None)`	`取负（y = -x）`
`tf.sign(x, name=None)`	`返回 -1(x<0), 0(x=0), 1(x>0)`
`tf.inv(x, name=None)`	`取反`
`tf.square(x, name=None)`	`计算平方 ( x^2 )`
`tf.round(x, name=None)`	`4舍5入到整数 (-4.4 => -4.0)`
`tf.sqrt(x, name=None)`	`开根号`
`tf.pow(x, y, name=None)`	`幂次方 ( x^y )`
`tf.exp(x, name=None)`	`计算e的次方 ( e^x )`
`tf.log(x, name=None)`	`计算log，一个输入计算e的ln`
`tf.maximum(x, y, name=None)`	`返回最大值`
`tf.minimum(x, y, name=None)`	`返回最小值`
`tf.cos(x, name=None)`	`三角函数cosine`
`tf.sin(x, name=None)`	`三角函数sine`
`tf.tan(x, name=None)`	`三角函数tan`
`tf.atan(x, name=None)`	`三角函数ctan`

5.Tensor

5.1 device

with tf.device('cpu'):
    a = tf.constant([1])
with tf.device('gpu:0'):
    b = tf.constant([2])
a.device   # '/job:localhost/replica:0/task:0/device:CPU:0'
b.device   # '/job:localhost/replica:0/task:0/device:GPU:0'

aa = a.gpu()
bb = b.cpu()
aa.device   # '/job:localhost/replica:0/task:0/device:GPU:0'
bb.device   # '/job:localhost/replica:0/task:0/device:CPU:0'

5.2 shape

c = tf.ones([200, 28, 28, 3])
c.shape   # TensorShape([200, 28, 28, 3])
c.shape[0]   # 200

5.3 ndim == tf.rank(t)

5.4 检查Tensor 的类型

尽量不要用内建的 isinstance 方法，使用 tf.is_tensor() 方法。

isinstance

a = tf.constant(1.)
isinstance(a, tf.Tensor)   # True

tf.is_tensor

a = tf.constant(1.)
b = tf.constant([True, False])
c = tf.constant('hello world!')
d = np.arange(4)

tf.is_tensor(b)   # True
tf.is_tensor(d)   # False
a.dtype, b.dtype, c.dtype   # (tf.float32, tf.bool, tf.string)
a.dtype == tf.float32   # Ture

5.5 类型变换

numpy2tensor

a = np.arange(5)
a.dtype   # dtype('int32')
aa = tf.convert_to_tensor(a)
aa.dtype   # tf.int32

tensor 间类型转换

bb = tf.cast(aa, tf.float32)
bb.dtype   # tf.float32
cc = tf.cast(aa, tf.double)
cc.dtype   # tf.float64

bool2int

b = tf.constant([0,1])
c = tf.cast(b, dtype=tf.bool)
c   # <tf.Tensor: id=2687, shape=(2,), dtype=bool, numpy=array([False,  True])>

d = tf.cast(c, dtype=tf.int32)
d   # <tf.Tensor: id=2810, shape=(2,), dtype=int32, numpy=array([0, 1])>

Tensor2numpy

a = tf.ones([])
a.numpy()   # 1.0
int(a)   # 1    # 只能对 scalar tensor 使用
b = tf.ones([1, 3])
b.numpy()   # array([[1., 1., 1.]], dtype=float32)

6. Variable

a = tf.range(5)
b = tf.Variable(a)
b.dtype   # tf.int32
b.name    # 'Variable:0'

b = tf.Variable(a, name='input_data')
b.dtype   # tf.int32
b.name   # 'input_data:0'
b.trainable   # True  

isinstance(a, tf.Tensor) # 检查是否为当前类实例
Out[1]: True
isinstance(b, tf.Tensor)
Out[2]: False
isinstance(b, tf.Variable)
Out[3]: True
tf.is_tensor(b)  
Out[4]: True

注意：对 Variable 的类型检查时用 tf.is_tensor 与 isinstance 的区别。