Tensorflow中Tensor对象的常用方法（持续更新）

时间：2022-04-12 00:38:55

　　Tensor是Tensorflow中重要的对象。下面是Tensor的常用方法，后面还会写一篇随笔记录Variable的用法。

　　1. 生成一个（常）Tensor对象

>>>A = tf.constant(4)

>>>B = tf.constant([[1, 2], [3, 4]))

>>>A

<tf.Tensor: id=76, shape=(), dtype=int32, numpy=4>

>>>B

<tf.Tensor: id=77, shape=(2, 2), dtype=int32, numpy=

array([[1, 2],

       [3, 4]], dtype=int32)>

　　Tensor对象和ndarray对象看起来很像但也有差别，一个最大的差别是Tensor是不可变的（immutable）。这意味着你永远也无法随心所欲的对Tensor进行赋值，只能新创建一个新的Tensor。

　　2. 和Ndarray的互相转换

>>>B.numpy()

array([[1, 2],

       [3, 4]], dtype=int32)

>>>np.array(B)

array([[1, 2],

       [3, 4]], dtype=int32)

>>>D = np.array([[1, 2], [3, 4]])

>>>tf.convert_to_tensor(D, dtype='int32')

<tf.Tensor: id=79, shape=(2, 2), dtype=int32, numpy=

array([[1, 2],

       [3, 4]], dtype=int32)>

　　Tensorflow2引入了叫做Eager execution的机制，让Tensor和ndarray具有一样的运算灵活性。除了以上的转换方式之外，任意的Tensorflow操作都可以生成（返回）Tensor对象。

　　3. 矩阵运算

>>>a = tf.constant([[1, 2],

                 [3, 4]])

>>>b = tf.constant([[1, 1],

                 [1, 1]]) # Could have also said `tf.ones([2,2])`

>>>print(tf.add(a, b), "\n")

tf.Tensor(

[[2 3]

 [4 5]], shape=(2, 2), dtype=int32)

>>>print(tf.multiply(a, b), "\n")

tf.Tensor(

[[1 2]

 [3 4]], shape=(2, 2), dtype=int32)

>>>print(tf.matmul(a, b), "\n")

tf.Tensor(

[[3 3]

 [7 7]], shape=(2, 2), dtype=int32)

　　以上三个操作返回的都是Tensor对象，同时这三个操作可以使用'+', '*', '@'代替。

　　4. 三种常用的操作

>>>c = tf.constant([[4.0, 5.0], [10.0, 1.0]])

>>>print(tf.reduce_max(c)) # Find the largest value

tf.Tensor(10.0, shape=(), dtype=float32)

>>>print(tf.argmax(c)) # Find the index of the largest value

tf.Tensor([1 0], shape=(2,), dtype=int64)

>>>print(tf.nn.softmax(c)) # # Compute the softmax

tf.Tensor(

[[2.6894143e-01 7.3105860e-01]

 [9.9987662e-01 1.2339458e-04]], shape=(2, 2), dtype=float32)

　　三种看名字就能看出功能的操作，其中tf.reduce_XX()是tensorflow中降维的操作。类似的操作：'reduce_all', 'reduce_any', 'reduce_logsumexp', 'reduce_max', 'reduce_mean', 'reduce_min', 'reduce_prod', 'reduce_sum'。

　　

　　5. Dtype转换　　

>>>the_f64_tensor = tf.constant([2.2, 3.3, 4.4], dtype=tf.float64)

>>>the_f16_tensor = tf.cast(the_f64_tensor, dtype=tf.float16)

# Now, let's cast to an uint8 and lose the decimal precision

>>>the_u8_tensor = tf.cast(the_f16_tensor, dtype=tf.uint8)

>>>print(the_u8_tensor)

tf.Tensor([2 3 4], shape=(3,), dtype=uint8)

　　numpy中可以使用astype()来进行转换，Tensorflow中则使用tf.cast()方法来转化不同数据类型的Tensor。

　　

　　6. 广播操作

　　Tensor的广播操作和numpy中基本完全一样，机制可以看这篇文章：https://jakevdp.github.io/PythonDataScienceHandbook/02.05-computation-on-arrays-broadcasting.html

相关文章