【Tensor】（張量）的基本概念和操作

every blog every motto: Just live your life cause we don’t live twice.

0. 前言

有關張量的基本概念和操作

1. 正文

1.1 什麼是tensor

不嚴謹的的說，標量、向量、矩陣、多維數組等都叫tensor，（和numpy類似，不同點在於內置了GPU加速，提高計算速度而已。）

1.2 基本操作

1.2.1 創建tensor

import tensorflow as tf

tf.constant(1)

tf.constant(1.)

可指定數據類型

tf.constant(2.,dtype=tf.double)

tf.constant([True,False])

tf.constant('hello world.')

1.2.2 tensor屬性

1.2.2.1 指定生成數據位置

方法一：

with tf.device('cpu'):
    a = tf.constant([1])

a.device

數據指定在cpu上，如下圖

with tf.device('gpu'):
    b = tf.range(4)

b.device

數據指定在gpu上

**方法二：**使用默認位置

g = tf.constant([2])

g.device

cpu上

v = tf.range(3)

v.device

1.2.2.2 改變數據位置

aa = a.gpu()
aa.device

數據由cpu改變成到gpu

bb = b.cpu()
bb.device

數據有gpu改變成到cpu

1.2.2.3 tensor -> numpy

tensor 轉成 numpy

t = b.numpy()
t

numpy查看維度

t.ndim

1.2.2.4 查看tensor是幾維

h = tf.range(5)
h

tf.rank(h)

查看維度如下圖

1.2.2.5 判斷一個參數是否是tensor

a = tf.constant([1.])

方法一：（推薦使用）

tf.is_tensor(a)

方法二：（不推薦使用）

isinstance(a,tf.Tensor)

1.2.2.6 類型轉換

1. numpy -> tensor

a = np.arange(5)
a

aa = tf.convert_to_tensor(a)
aa

2. 改變tensor的數據類型

tf.cast(aa,dtype=tf.float32)

1.2.2.7 tf.Variable

a = tf.range(5)
a

b = tf.Variable(a)
b

b.trainable

如下圖，可訓練的，能求導

isinstance(b,tf.Tensor)

如下圖，判斷錯誤，所以不推薦用isinstance判斷是否是tensor

推薦使用is_tensor進行判斷

tf.is_tensor(b)

isinstance(b,tf.Variable)

tensor-> numpy

b.numpy()

a = tf.ones([])

a.numpy()

對於標量，還有一種特殊是轉換方式，如下圖

int(a)

float(a)