30天从入门到精通TensorFlow1.x第一天，如何创建张量

news/2024/12/19 4:56:08/

文章目录

  • 一、TensorFlow基本概念
    • 1. 什么是TensorFlow
    • 2. TensorFlow的组成
    • 3. TensorFlow的三个重要模型
  • 二、TensorFlow的重要底层库
    • 1. 先简单来个 helloWord
    • 2. 张量
      • 什么是张量
      • 如何创建张量
      • 创建张量
        • （1）. 通过定义常量来进行创建张量
        • （2）. 通过操作张量来进行创建张量
        • （3）. 通过占位符来进行创建张量
        • （4）. 通过python对象来进行创建张量
    • 3. 变量

一、TensorFlow基本概念

1. 什么是TensorFlow

TensorFlow 是一个由 Google 开发的开源机器学习框架，可以用于构建各种类型的人工智能应用程序，例如图像识别、语音识别、自然语言处理等。它通过数据流图的方式来描述计算任务，使得开发者可以轻松地搭建和训练各种复杂的模型。TensorFlow 支持分布式计算，可以在多个CPU或GPU上运行，从而加快模型的训练速度。同时，TensorFlow 社区也提供了丰富的文档和示例代码，方便开发者学习和使用。

2. TensorFlow的组成

TensorFlow 由两个主要组件组成：图(Graph)和会话(Session)。

  1. 图(Graph)是 TensorFlow 的核心概念，它描述了各种计算任务之间的依赖关系，可以看作是一个有向无环图(DAG)。在 TensorFlow 中，每个节点(Node)表示一种操作(Operation)，每条边(Edge)表示数据(Tensor)的传递。开发者通过创建图来定义模型的结构和计算流程。

  2. 会话(Session)则负责执行图中的计算任务。它可以将计算任务分配到不同的设备上，并管理计算过程中的资源分配和释放。开发者通过创建会话来运行模型并获取结果。

3. TensorFlow的三个重要模型

  1. 数据模型：TensorFlow 中的基本数据单位是张量(Tensor)，它可以看作是一个多维数组，支持各种数值类型。在 TensorFlow 中，所有的中间结果和参数都以张量的形式存在，开发者可以通过操作张量来定义模型的计算流程。

  2. 编程模型：TensorFlow 提供了一种类似于数据流图的编程模型，开发者需要先构建一个计算图(Graph)，图中的节点(Node)表示各种计算操作(Operation)，边(Edge)表示数据(Tensor)的依赖关系。然后，开发者可以创建一个会话(Session)，将计算任务分配到各种设备上并执行计算。TensorFlow 还提供了灵活的控制流和函数定义方式，方便开发者实现各种复杂的模型。

  3. 执行模型：TensorFlow 的计算过程主要由两个阶段组成，即构建阶段和执行阶段。在构建阶段，开发者通过定义计算图来描述模型的计算流程，并设置各种参数和超参数。在执行阶段，开发者创建一个会话并运行计算图，通过输入不同的数据来获取计算结果。同时，TensorFlow 还支持异步计算和分布式计算，可以加快模型的训练速度。

二、TensorFlow的重要底层库

在实际开发中，我们会经常与这些名词打交道，主要有：张量、常量、操作、占位符、变量、数据流图、计算图、多cpu或者GPU训练等。这些耳熟能详的名词概念，是我们构造更高级的TensorFlow模块的重要基石。

1. 先简单来个 helloWord

有个大致感觉

import tensorflow as tf#TODO 创建一个会话
test = tf.Session()#TODO 创建一个常数张量
hello = tf.constant("hello word")#TODO 运行
print(test.run(hello))

在这里插入图片描述
在TensorFlow中有两种会话：Session（）和InteractiveSession（），在上面的例子中使用方式一样，但是在实际开发中我使用Session（）更多。

2. 张量

什么是张量

  1. 张量是tf进行计算的基本元素和基本数据结构，基本上我们只用弄清楚这一个数据结构就能熟练使用tf。
  2. 张量是一个n维数据集合，有秩、形状和类型来标识。
    秩是张量的维数；
    形状表示每个维度大小的列表；
    例如：[1,2,3,4] 形状是 （1,4）的二维张量,也就是一个包含 4 个元素的行向量(row vector)
    [1,2,3,4] 是一个一维数组，也可以称为向量(vector)，因此它的秩为 1。在 TensorFlow 中，秩指的是张量(Tensor)的维数，例如标量的秩为 0，向量的秩为 1，矩阵的秩为 2，以此类推。
import tensorflow as tf
#一个包含 4 个元素的行向量(row vector)
x = tf.constant([[1, 2, 3, 4]])
print(x.shape)  # 输出 (1, 4)

   在例如：[8,] 表示一个形状为 (8,) 的一维张量，也就是一个包含 8 个元素的向量(vector)。在 TensorFlow 中，可以用以下代码创建一个形状为 (8,) 的张量：

import tensorflow as tf
x = tf.constant([8])
print(x.shape)  # 输出 (1,)

如何创建张量

一般创建张量比较常用的手段有：

  1. 通过定义常数，操作，变量的手段
  2. 构建模型是用的比较多的 占位符手段
  3. 以及一些特别的 将数组，列表等数据类型转换为张量

创建张量

（1）. 通过定义常量来进行创建张量

张量是一个n维数据集合，由秩、形状和类型来标识。

tf.constant() 源代码@tf_export(v1=["constant"])
def constant_v1(value, dtype=None, shape=None, name="Const", verify_shape=False):

完美贴合概念…

看下实践代码：

import tensorflow as tf#TODO value, dtype=None, shape=None, name="Const", verify_shape=False
test1 = tf.constant(5,name='test')print("test1:(name=test)",test1)

最后的打印结果，对照张量是一个n维数据集合，由秩、形状和类型来标识。
在这里插入图片描述如果运行结果的话：需要创建会话，然后执行运算：

import tensorflow as tf#TODO 创建一个会话
test = tf.Session()#TODO value, dtype=None, shape=None, name="Const", verify_shape=False
test1 = tf.constant(5,name='test')print("test1:(name=test)",test1)print("run test1:",test.run(test1))

在这里插入图片描述

（2）. 通过操作张量来进行创建张量

#TODO 创建一个会话
test = tf.Session()#TODO value, dtype=None, shape=None, name="Const", verify_shape=False
test1 = tf.constant(5,name='test1')test2 = tf.constant(8,name="test1")
'''
tf中有很多运算函数，这里仅仅是一个代表。可以看tf社区
'''op1 = tf.add(test1,test2)  #执行加法
print("op1:",op1) #打印张量信息
print("run op1:",test.run(op1)) #运算结果

打印结果：
在这里插入图片描述

（3）. 通过占位符来进行创建张量

这个是很重要的，因为在实际构建模型中会经常用到这个.

tf.placeholder() #来看下源代码
@tf_export(v1=["placeholder"])
def placeholder(dtype, shape=None, name=None):
#构造的时候要定义函数中信息

例如：

import tensorflow as tf

#TODO 创建一个会话
test = tf.Session()#TODO
test1 = tf.placeholder(tf.float32,shape=(1,),name='test1')
test2 = tf.placeholder(tf.float32,shape=(1,),name='test2')op1 = tf.add(test1,test2)
print('tensor test1:',test1)
print('tensor test1:',test2)
print('tensor op1:',op1)
print('run tensor op1:',test.run(op1,feed_dict={test1:[5],test2:[8]}))  #占位符号运算需要传值
'''
传值使用的run（）操作中的 feed_dict参数，指定字典'''

在这里插入图片描述

（4）. 通过python对象来进行创建张量

上面有说到：特别的 将数组，列表等数据类型转换为张量

主要使用的函数就是， tf.convert_to_tensor()
该函数可以将如：列表，数组等转换为张量

@tf_export(v1=["convert_to_tensor"])
def convert_to_tensor(value,dtype=None,name=None,preferred_dtype=None,dtype_hint=None):
  1. 创建0维张量
import tensorflow as tf#TODO 创建一个会话
test = tf.Session()#TODO value,dtype=None,name=None,preferred_dtype=None,dtype_hint=None):test1 = tf.convert_to_tensor(9.0,dtype=tf.float32)
print('test1:',test1)
print('run test1:',test.run(test1))

在这里插入图片描述

  1. 通过列表，数组来定义1维张量
import tensorflow as tf
import numpy as np
from pprint import pprint#TODO 创建一个会话
test = tf.Session()#TODO value,dtype=None,name=None,preferred_dtype=None,dtype_hint=None):
data = np.array([1,5,8,9,65]) #创建数组
print('data shape:',data.shape)
test1 = tf.convert_to_tensor(data,dtype=tf.float32)
print('test1:',test1)
print('run test1:',test.run(test1))

在这里插入图片描述

  1. 通过矩阵定义2维
#TODO 创建一个会话
test = tf.Session()#TODO value,dtype=None,name=None,preferred_dtype=None,dtype_hint=None):data = np.array([[5,8,8,8,8],[5,6,6,6,6],[5,5,5,5,5]])
print('data shape:',data.shape)
test1 = tf.convert_to_tensor(data,dtype=tf.float32)
print('test1:',test1)
print('run test1:',test.run(test1))

在这里插入图片描述

  1. 创建3维，这个在nlp中会经常用到
import tensorflow as tf
import numpy as np
from pprint import pprint#TODO 创建一个会话
test = tf.Session()#TODO value,dtype=None,name=None,preferred_dtype=None,dtype_hint=None):
data = np.array([[[1,5,8,9,65],[1,5,8,9,65]],[[1,5,8,9,65],[1,5,8,9,65]],[[1,5,8,9,65],[1,5,8,9,65]]]) #创建数组
print('data shape:',data.shape)
test1 = tf.convert_to_tensor(data,dtype=tf.float32)
print('test1:',test1)
print('run test1:',test.run(test1))

在这里插入图片描述

  1. 无缝转换

注意：TensorFlow可以将numpy的ndarray无缝转换为TensorFlow张量，反之亦然。

import tensorflow as tf
import numpy as np#将 NumPy 数组转换为 TensorFlow 张量
a = np.array([1, 2, 3])
b = tf.convert_to_tensor(a)
print(b)  # 输出 Tensor("Const:0", shape=(3,), dtype=int64)# 将 TensorFlow 张量转换为 NumPy 数组
c = b.numpy()
print(c)  # 输出 [1 2 3]

但是：NumPy 数组和 TensorFlow 张量的类型必须一致，例如都是浮点型或者整型。如果类型不一致，则需要进行类型转换。

3. 变量

下次咱们一起讨论，重要概念：变量以及通过定义变量来创建张量，以及如何过去变量


http://www.ppmy.cn/news/142499.html

相关文章

SpringCloud微服务踩坑系列：UnknownContentTypeException

SpringCloud微服务踩坑系列：UnknownContentTypeException

错误信息如下： org.springframework.web.client.UnknownContentTypeException: Could not extract response: no suitable HttpMessageConverter found for response type [class com.cyf.internalCommon.dto.ResponseResult] and content type [text/plain;charset…
阅读更多...
vueRouter mode模式不同 页面刷新

vueRouter mode模式不同 页面刷新

vueRouter 模式为hash 浏览器地址改变 会使页面刷新 ， history 模式 浏览器地址改变 页面不会刷新 路由鉴权 如果登入后 不允许进入登入页 路由模式就要是hash 这样在浏览器地址改变的时候，就不会刷新页面 登入后 用户类别存在vuex中 ，就可以…
阅读更多...
(字符串) 541. 反转字符串 II——【Leetcode每日一题】

(字符串) 541. 反转字符串 II——【Leetcode每日一题】

❓541. 反转字符串 II 难度：简单 给定一个字符串 s 和一个整数 k，从字符串开头算起，每计数至 2k 个字符，就反转这 2k 字符中的前 k 个字符。 如果剩余字符少于 k 个，则将剩余字符全部反转。如果剩余字符小于 2k 但大…
阅读更多...
现在润新加坡是个好主意吗？

现在润新加坡是个好主意吗？

作者 | 梁唐 出品 | 公众号：Coder梁（ID：Coder_LT） 大家好，我是梁唐。 上次写了一篇从新加坡回国的文章之后，引来的反响还不小。不少同学看了文章之后留言问我，怎样才能去新加坡工作，…
阅读更多...
博弈论-第二章 基本假设

博弈论-第二章 基本假设

1.博弈基于人的理性 认知理性：自我利益的判断者 对偏好的认知 行为理性：自我利益的追求者 利益最大化 2.不同的参照 不同的选择 人在做选择的时候总会比较，不同的参照会影响比较的结果，从而影响人的选择 当增加了一个印刷版的…
阅读更多...
计算机在家电中的用途,计算机技术在信家电中的运用11.doc

计算机在家电中的用途,计算机技术在信家电中的运用11.doc

计算机技术在信家电中的运用11 关于“计算机技术在信息家电中的运用”的检索报告 信管091、赵月萍、209090704 一、分析研究课题(黑体四号) ***************************************************(正文，宋体五号) 信息家电 (3C 或IA： HYPERLINK "/d…
阅读更多...
经济基础知识（中级）【5】

经济基础知识（中级）【5】

1.关于公司的分立通知和公告，公司应当自作出分立决议之日起（）日内通知债权人。 A.30 B.10 C.15 D.7 2.公司出现一定情形时可以解散这些情形包括（）。 A.公司章程规定的营业期限届满 B.股东会决议解散 C.因公司台并需…
阅读更多...
Java学习笔记1 概述

Java学习笔记1 概述

Java概述 Java历史 1991年，SUNMicroSystem公司的JameGosling、BillJoe等人为在电视、控制烤箱等家用消费类电子产品上进行交互式操作而开发了一个名为Oak的软件。Oak—>Java：互联网给Java带来新的生机1995年Sun向公众推出Java并引起业界的轰动2009年…
阅读更多...
最新文章

Copyright @ 2022~2023