【Tensor】（张量）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

有关张量的基本概念和操作

1. 正文

1.1 什么是tensor

不严谨的的说，标量、向量、矩阵、多维数组等都叫tensor，（和numpy类似，不同点在于内置了GPU加速，提高计算速度而已。）

1.2 基本操作

1.2.1 创建tensor

import tensorflow as tf

tf.constant(1)

tf.constant(1.)

可指定数据类型

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

tf.constant([True,False])

tf.constant('hello world.')

1.2.2 tensor属性

1.2.2.1 指定生成数据位置

方法一：

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

a.device

数据指定在cpu上，如下图

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

b.device

数据指定在gpu上

**方法二：**使用默认位置

g = tf.constant([2])

g.device

cpu上

v = tf.range(3)

v.device

1.2.2.2 改变数据位置

aa = a.gpu()
aa.device

数据由cpu改变成到gpu

bb = b.cpu()
bb.device

数据有gpu改变成到cpu

1.2.2.3 tensor -> numpy

tensor 转成 numpy

t = b.numpy()
t

numpy查看维度

t.ndim

1.2.2.4 查看tensor是几维

h = tf.range(5)
h

tf.rank(h)

查看维度如下图

1.2.2.5 判断一个参数是否是tensor

a = tf.constant([1.])

方法一：（推荐使用）

tf.is_tensor(a)

方法二：（不推荐使用）

isinstance(a,tf.Tensor)

1.2.2.6 类型转换

1. numpy -> tensor

a = np.arange(5)
a

aa = tf.convert_to_tensor(a)
aa

2. 改变tensor的数据类型

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

1.2.2.7 tf.Variable

a = tf.range(5)
a

b = tf.Variable(a)
b

b.trainable

如下图，可训练的，能求导

isinstance(b,tf.Tensor)

如下图，判断错误，所以不推荐用isinstance判断是否是tensor

推荐使用is_tensor进行判断

tf.is_tensor(b)

isinstance(b,tf.Variable)

tensor-> numpy

b.numpy()

a = tf.ones([])

a.numpy()

对于标量，还有一种特殊是转换方式，如下图

int(a)

float(a)