TensorFlow神经网络中张量与变量的概念分析

这篇文章主要介绍TensorFlow神经网络中张量与变量的概念分析，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

一、张量定义

张量：TensorFlow的张量是n维数组，类型为tf.Tensor。

标量：一个数字 （0阶张量）

向量：一维数组 （1阶张量）

矩阵：二维数组 （2阶张量）

二、张量属性

1、张量的类型

#创建常数张量     a = tf.constant(3.0)         print(a)

2、张量的阶

三、张量的指令

1、常数张量（普通）

#创建常数张量     a = tf.constant(3.0)         print(a)

2、张量数组

1、固定张量数组（0）

#创建张量数组     #0：     array_0 = tf.zeros(shape=[3,3])    #3*3数组（0）

2、固定张量数组（1）

#1：     array_1 = tf.ones(shape=[3,3])     #3*3数组（1）

3、随机张量数组

#随机：     array_random = tf.random_normal(shape=[2,3], mean=1.75, stddev=0.12) #                                   2*3数组      均值(1.75) 标准差

3、查看张量值

查看张量值：张量.eval()

#会话（查看张量）     with tf.Session() as sess:         print(a.eval())         print(array_0.eval())         print(array_1.eval())         print(array_random.eval())

4、张量类型改变

#修改张量类型     array_0 = tf.cast(array_0, tf.int32)

5、张量形状改变

注：属于动态改变张量，需要张量元素个数固定。

#修改张量形状     array_random = tf.reshape(array_random, shape=[3,2])

修改前：

修改后：

代码

# 张量（创建与修改） import tensorflow as tf # 创建张量 def Create_Tensor():     # 创建常数张量     a = tf.constant(3.0)     print(a)       # 创建张量数组     # 0：     array_0 = tf.zeros(shape=[3, 3])  # 3*3数组（0）       # 1：     array_1 = tf.ones(shape=[3, 3])  # 3*3数组（1）       # 随机：     array_random = tf.random_normal(shape=[2, 3], mean=1.75, stddev=0.12)     #                                   2*3数组      均值(1.75) 标准差       # 会话（查看张量）     with tf.Session() as sess:         print(a.eval())         print(array_0.eval())         print(array_1.eval())         print(array_random.eval())  # 修改张量 def Modify_Tensor():     global array_0, array_random     print('修改后的：')       # 修改张量类型     array_0 = tf.cast(array_0, tf.int32)       # 修改张量形状     array_random = tf.reshape(array_random, shape=[3, 2])       # 会话（查看张量）     with tf.Session() as sess:         print(array_0.eval())         print(array_random.eval())   # 创建张量 Create_Tensor() # 修改张量 Modify_Tensor()

四、变量

1、定义变量

# 定义变量 a = tf.Variable(initial_value=2) b = tf.Variable(initial_value=4) c = tf.add(a,b)

2、初始化变量

TensorFlow的变量必须初始化，否则会报错。

# 初始化变量 init = tf.global_variables_initializer()

3、开启会话（执行）

# 开启会话 with tf.Session() as sess:     sess.run(init)     print(sess.run(c))

代码

# 变量 import tensorflow as tf   # 定义变量 a = tf.Variable(initial_value=2) b = tf.Variable(initial_value=4) c = tf.add(a,b)   # 初始化变量 init = tf.global_variables_initializer()   # 开启会话 with tf.Session() as sess:     sess.run(init)     print(sess.run(c))

以上是“TensorFlow神经网络中张量与变量的概念分析”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注亿速云行业资讯频道！