Tensorflow数据类型

导入包

1 import tensorflow as tf
2 print(tf.__version__)

　　输出：2.0.0

数值类型

　　scalar, vector, matrix, tensor, variable

指定执行CPU

1 # 指定执行CPU
2 import os
3 os.environ["CUDA_VISIBLE_DEVICES"]="-1"

scalar

 1 print(tf.constant(2))
 2 print(tf.constant(2, dtype=tf.float64))
 3 print(tf.constant(2, dtype=tf.double))
 4 print(tf.constant("Python"))
 5 
 6 out:
 7 tf.Tensor(2, shape=(), dtype=int32)
 8 tf.Tensor(2.0, shape=(), dtype=float64)
 9 tf.Tensor(2.0, shape=(), dtype=float64)
10 tf.Tensor(b'Python', shape=(), dtype=string)

vector

 1 print(tf.constant([1,2.0]))
 2 print(tf.constant([True, False]))
 3 out:
 4 tf.Tensor([1. 2.], shape=(2,), dtype=float32)
 5 tf.Tensor([ True False], shape=(2,), dtype=bool)
 6 
 7 # 从tf的tensor转换到numpy数据
 8 vec_a = tf.constant([1])
 9 vec_a.numpy()
10 out:
11 array([1], dtype=int32)

matrix

1 matrix_b = tf.constant([[1, 2, 3], [2,8,6]])
2 matrix_b
3 out:
4 <tf.Tensor: id=7, shape=(2, 3), dtype=int32, numpy=
5 array([[1, 2, 3],
6        [2, 8, 6]], dtype=int32)>

tensor: rank>2

1 tensor_c = tf.constant([[[1, 2, 3], [2,8,6]],[[1, 2, 3], [2,8,6]]])
2 tensor_c
3 out:
4 <tf.Tensor: id=8, shape=(2, 2, 3), dtype=int32, numpy=
5 array([[[1, 2, 3],
6         [2, 8, 6]],
7 
8        [[1, 2, 3],
9         [2, 8, 6]]], dtype=int32)>

小结：

 1 # 输出数据维度、shape、判断是否为tensor
 2 int_a = tf.constant(2, dtype=tf.int64)
 3 print(int_a.ndim, int_a.shape, tf.is_tensor(int_a))
 4 out:
 5 0 () True
 6 
 7 tensor_c = tf.constant([[[1, 2, 3], [2,8,6]],[[1, 2, 3], [2,8,6]]])
 8 print(tensor_c.ndim, tensor_c.shape, tf.is_tensor(tensor_c))
 9 isinstance(tensor_c, tf.Tensor)
10 out:
11 3 (2, 2, 3) True
12 True
13 
14 # 判断数据类型
15 tensor_c.dtype
16 out:
17 tf.int32
18 
19 # numpy数据转换为张量数据，注意它的类型
20 import numpy as np
21 a = np.arange(5)
22 print(a.dtype)
23 convert_a = tf.convert_to_tensor(a)
24 print(convert_a.dtype)
25 convert_a
26 out:
27 int64
28 <dtype: 'int64'>
29 <tf.Tensor: id=11, shape=(5,), dtype=int64, numpy=array([0, 1, 2, 3, 4])>
30 
31 # 这里在训练时有时会出问题，当我们把numpy数据直接转换过
32 # 来时，dtype可以会出现报错，所以可以在转换是指定数据类型
33 convert_b = tf.convert_to_tensor(a, dtype=tf.int32)
34 convert_b
35 out:
36 <tf.Tensor: id=12, shape=(5,), dtype=int32, numpy=array([0, 1, 2, 3, 4], dtype=int32)>
37 
38 # 上面的问题我们也可以使用cast操作,不改变原数据的类型
39 convert_c = tf.cast(convert_a, tf.int32)
40 print(convert_a)
41 print(convert_c)
42 convert_d = tf.cast(tf.constant([0,1]), tf.bool)
43 print(convert_d)
44 out:
45 tf.Tensor([0 1 2 3 4], shape=(5,), dtype=int64)
46 tf.Tensor([0 1 2 3 4], shape=(5,), dtype=int32)
47 tf.Tensor([False  True], shape=(2,), dtype=bool)

variable

 1 a = tf.range(3)
 2 b = tf.Variable(a)
 3 print(b)
 4 print(b.trainable)
 5 print(b.name)  # 没有指定名字时，变量自动赋一个序号作为名字
 6 c = tf.Variable(a, name="stage1")
 7 print(c.name)
 8 out:
 9 <tf.Variable 'Variable:0' shape=(3,) dtype=int32, numpy=array([0, 1, 2], dtype=int32)>
10 True
11 Variable:0
12 stage1:0
1 print(isinstance(a, tf.Tensor))
2 print(isinstance(b, tf.Tensor))
3 print(tf.is_tensor(b))  # 注意这里没有区分张量和变量，变量也看做一个张量;推荐使用这个函数。
4 out:
5 True
6 False
7 True
1 b.numpy()
2 out: array([0, 1, 2], dtype=int32)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

posted @ 2019-11-26 13:16  巴蜀秀才  阅读(271)  评论(0)  编辑  收藏  举报