TensorFlow 的张量就是一个 n 维数组， 类型为tf.Tensor。 文章目录1 创建张量1.1 创建固定值张量1.2 创建随机张量2 张量的阶3 张量的类型4 张量的变换4.1 类型的变换4.2 形状的变换5 张量的切片与扩展6 其它张量运算 1 创建张量1.1 创建固定值张量操作代码说明全零张量tf.zeros(shape, dtype=tf.float32, name=None)创
转载
2024-06-30 22:59:34
42阅读
一. TensorFlow内的基本概念图的构建 1.初始化图tf.reset_default_graph()用于清除默认图形堆栈并重置全局默认图形.2.构建新的图g1 = tf.Graph()
g2 = tf.Graph()3.在图中定义张量with g1.as_default():
a = tf.constant([1.0, 1.0])
b = tf.constant([1.0, 1
转载
2024-08-12 22:53:06
38阅读
1、张量张量是TensorFlow的主要数据结构，TensorFlow 基于张量管理，张量是数学领域的概念，可以理解为向量或者矩阵的泛化形式。在TF中，一个张量就是一个张量类的实例，是绑定了相关运算的一个特定类型的多维数组。1.1 张量的属性(1) 阶阶数学实体代码示例0Scalar(纯量)scalar=10001Vector(向量)vector=[2,8,3]2Matrix(矩阵)matrix=
转载
2024-09-12 12:10:27
61阅读
写在前面Tensorflow是谷歌开发的深度学习框架，目前已经更新到了2.8，考虑到国内网络不能直接进入tensorflow界面，并且部分指南不是中文的，故通过此文章来作为学习笔记来记录，巩固所学的内容。张量（Tensor）以下是Tensorflow 对于张量的描述： 张量是具有统一类型（称为 dtype）的多维数组。您可以在 tf.dtypes.DType 中查看所有支持的 dtypes。 如果
转载
2023-12-01 06:50:30
0阅读
第一篇（常用数学运算）基本数学运算加减乘除运算：tf.add(x, y) # 逐个元素 加
tf.subtract(x, y) # 减
tf.multiply(x, y) # 乘
tf.divide(x ,y) # 除
tf.math.mod(x, y) # 取模
a = tf.constant([0, 1, 2])
b = tf.constant([3, 4, 5])
tf.add(
转载
2024-04-03 19:59:59
37阅读
TensorFlow基本概念之张量张量:Tensor1.打印hello world2.张量支持的数据类型3.创建张量4.计算张量5.稀疏张量 SparseTensor 张量:Tensor在TensorFlow中，张量是数据流图上的数据载体，tensorflow中的tensor就是张量的意思，使用张量统一表示所有数据。张量可以看做是0阶标量，1阶向量和2阶矩阵在高维空间的推广。 张量与常见数据实体
转载
2024-06-16 20:39:42
85阅读
TensorFlow - 张量
https://tensorflow.google.cn/guide/tensorsTensorFlow 指南 - TensorFlow 工作原理https://tensorflow.google.cn/guide正如名称所示，TensorFlow 这一框架定义和运行涉及张量的计算。张量是对矢量和矩阵向潜在的更高维度的泛化。TensorFlow 在
转载
2024-05-02 21:01:54
29阅读
文章目录基础知识部分1.张量数据类型1.1.常用的张量数据类型1.2.张量的属性获取1.3.将其他数据类型转换为张量1.4.生成满足条件的张量1.5.对张量进行索引和切片1.6.对张量进行维度变换1.7.Broadcasting机制解析1.8.对张量的拼接和拆分1.9.张量的数学运算1.10.张量的布尔值运算1.11.张量的统计值计算1.12.where函数和gather函数2.深度学习的基础内
转载
2024-01-11 10:09:38
148阅读
5.1 合并与分割5.1.1合并合并是指将多个张量在某个维度上合并为一个张量 。张量的合并可以使用拼接(Concatenate)和堆叠 (Stack)操作实现，拼接并不会产生新的维度，而堆叠会创建新维度。拼接：tf.concat(tensors, axis) ，其中tensors 保存了所有需要合并的张量 List , axis 指定需要合并的维度。# 在axis=0维度， 合并张量 A,B
转载
2024-03-29 12:54:05
55阅读
pytorch张量操作张量的数据类型张量的生成torch.tensor()torch.Tensor()torch.ones_like()/torch.zeros_like()张量和numpy数据的相互转换随机数生成张量张量的操作torch.reshapetorch.unsqueeze()torch.squeeze().expend()/.expend_as().repeat()拼接与拆分张量的计
转载
2024-06-21 19:34:10
67阅读
# 数组转为二维张量 pytorch实现方法
在PyTorch中，我们可以使用`torch.tensor()`函数将一个数组转换为二维张量。本文将向您介绍如何使用PyTorch将一个数组转为二维张量。以下是整个过程的步骤表格：
| 步骤 | 操作 |
|:----:|:----------
原创
2023-12-17 04:48:35
190阅读
从TensorFlow的名字就可以看出张量(tensor)是一个很重的概念。在tensorflow程序中所有的数据都通过张量的形式来表示。从功能的角度看，张量可以被理解为多维数组。其中零阶张量表示标量（scalar）也就是一个数；一阶张量为向量，也就是一维数组；n阶张量可以理解为一个n维数组。但张量的实现并不是直接采用数组的形式，它只是对TensorFlow中运算结果的引用。在张量中并没有保存数字
转载
2024-03-30 09:04:42
98阅读
张量
TensorFlow名字可以拆解为两部分：Tensor、Flow。其中，Tensor 就表示张量。
在 TensorFlow 的世界里，张量可以简单理解为多维数组。其中，零阶张量表示常量（constant），也就是一个数；一阶张量表示向量（vector），也就是一个一维数组；二阶张量表示矩阵（matrix），也就是一个二维数组；n阶张量表示n维数组。
与Python numpy中多维数
import tensorflow as tfa = tf.constant([1,5], dtype=tf.int32)print(a)print(a.shape)print(a.dtype)
原创
2022-05-08 13:57:44
203阅读
文章目录
一、索引与切片
1.1 索引
1.2 切片
二、维度变换
2.1 改变视图reshape
2.2 增删维度
2.3 交换维度transpose
2.4 复制数据tile
三、Broadcasting
四、数学运算
4.1 加、减、乘、除运算
4.2 乘方运算
4.3 指数和对数运算
4.4 矩阵相乘
五、前向传播实
转载
2020-09-23 10:28:00
253阅读
在上一节中，我们安装 TensorFlow 并运行了最简单的应用，这节我们熟悉 TensorFlow 中的张量。张量是 TensorFlow 的核心数据类型。数学里面也有张量的概念，但是 TensorFlow 的张量其实不一样，更像是一个 n 维数组。不能在常规 Python 例程中访问张量，因此 TensorFlow API 提供了很多张量的操作函数。张量的创建张量是一个 n 维数组。当 $n=
转载
2024-04-25 13:42:56
38阅读
张量操作在tensorflow中，有很多操作张量的函数，有生成张量、创建随机张量、张量类型与形状变换和张量的切片与运算生成张量固定值张量tf.zeros(shape, dtype=tf.float32, name=None)创建所有元素设置为零的张量。此操作返回一个dtype具有形状shape和所有元素设置为零的类型的张量。 tf.zeros_like(tensor, dtype=Non
转载
2024-01-11 13:49:16
136阅读
伪数组：length属性为非负整数，索引值为非负整数，没有数组的方法。 ES6：Array.from(伪数组) let newArr = [...arr] ES5：Array.prototype.slice.call(伪数组) ES5：Array.prototype.concat.apply([],
原创
2021-07-13 17:20:15
332阅读
张量的基本操作有：加，减，乘，除。因为目前TensorFlow的版本更新比较快，而且感觉根据最新的版本更替张量的数值操作都在向着tf.math模块迁移。具体的API要根据版本来定。这里需要注意的是关于div()的操作：1、TensorFlow提供div()的多种变化形式和相关的函数。2、div()返回值与输入数据类型一致。注：在Python2中，整数除法的实际返回值是商的向下取整，即不大于商的最大
转载
2024-03-18 20:51:40
30阅读
