TensorFlow - 基础知识
-
简述
在本章中,我们将学习 TensorFlow 的基础知识。我们将从了解张量的数据结构开始。 -
张量数据结构
张量被用作 TensorFlow 语言中的基本数据结构。张量表示任何称为数据流图的流程图中的连接边。张量被定义为多维数组或列表。张量由以下三个参数标识 -秩
张量中描述的维数单位称为秩。它标识张量的维数。张量的秩可以描述为定义的张量的阶数或 n 维。形状
行数和列数共同定义了 Tensor 的形状。类型
类型描述了分配给 Tensor 元素的数据类型。用户需要考虑以下活动来构建张量 -- 构建一个 n 维数组
- 转换 n 维数组。
-
TensorFlow 的各种维度
TensorFlow 包括各种维度。尺寸简要描述如下 -一维张量
一维张量是一个普通的数组结构,它包含一组相同数据类型的值。Declaration输出的实现显示在下面的屏幕截图中 -元素的索引与 Python 列表相同。第一个元素从索引 0 开始;要通过索引打印值,您需要做的就是提及索引号。 -
二维张量
数组序列用于创建“二维张量”。二维张量的创建描述如下 -以下是创建二维数组的完整语法 -可以借助指定为索引号的行号和列号来跟踪二维张量的特定元素。 -
张量处理和操作
在本节中,我们将了解张量处理和操作。首先,让我们考虑以下代码 -Output上面的代码将生成以下输出 -解释
我们在上面的源代码中创建了多维数组。现在,重要的是要了解我们创建了图形和会话,它们管理张量并生成适当的输出。在图的帮助下,我们得到了指定张量之间数学计算的输出。