持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第15天，点击查看活动详情

注意：本文使用tensorflow1.x版本进行演示

使用本地Jupyter Notebook搭载TensorFlow相关库进行操作

1. 张量

1.1 张量的基本属性

在TensorFlow中，张量就是一个n维数组。张量（Tensor）具有两个重要的属性，分别是数据类型（type）和形状（shape）

• 一个数字：标量/纯量，0阶张量
• 一维数组：向量，1阶张量，例如：[1,1,1]
• 二维数组：矩阵，2阶张量，例如：[[1,1,1], [2,2,2]]
• n维数组：张量，n是任意的，张量是比较宽泛的叫法，以上都可以看成是张量。

如下图所示：分别表示指令名称、形状和类型

下面，我们将对不同形状的张量进行演示，打印出其属性（类型和形状）

具体代码如下所示：

• 创建三个张量
• 分别为0阶、1阶、2阶张量

def tensor_demo():
    """
    张量的演示
    """
    tensor1 = tf.constant(4.0) # 标量
    tensor2 = tf.constant([1,2,3]) # 向量
    tensor3 = tf.constant([[1],[2],[3]]) # 二阶张量
    
    print(tensor1)
    print(tensor2)
    print(tensor3)
    
tensor_demo()

运行结果如下所示：

• 其中（3，1）表示三行一列
• 标量的形状显示为（），空元组
• 因为创建张量的时候没有指定张量类型，则根据传入的数据元素的类型就是张量的类型
  • 默认：整型tf.int32
  • 默认：浮点型tf.float32

1.2 张量的创建

1.2.1 创建固定值张量

tf.zeros(shape, dtype=tf.float32, name=None)

• 创建所有元素设置为零的张量。
• shape指定形状
• dtype指定数据类型

创建全0张量代码演示如下所示：

a1 = tf.zeros(shape=[5,5])
sess = tf.Session()

# 查看a1的值
print(a1.eval(session = sess))

运行结果如下图所示：

tf.ones(shape, dtype=tf.float32, name=None)

• 创建一个所有元素设置为1的张量
• shape指定想要创建的张量形状
• dtype指定数据类型

创建全1张量代码演示如下所示：

a2 = tf.ones(shape=[3,2,5])
sess = tf.Session()

# 查看a2的值
print(a2.eval(session = sess))

运行结果如下图所示：

tf.constant(value,dype=None, shape=None, name='Const)

• 创建一个常数张量

1.2.2 创建随机张量

tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

• 创建符合正态分布的张量
• mean：均值
• stddev：标准差