Tensorflow 張量筆記
一，Tensor類型
可與Python類型對比學習
| Tensor類型 | Python類型 | 描述 |
|---|---|---|
| DT_FLOAT | tf.float32 | 32位浮點數 |
| DT_DOUBLE | tf.float64 | 64位浮點數 |
| DT_INT64 | tf.int64 | 64位有符號整型 |
| DT_INT32 | tf.int32 | 32位有符號整型 |
| DT_INT16 | tf.int16 | 16位有符號整型 |
| DT_INT8 | tf.int8 | 8位有符號整形 |
| DT_UINT8 | tf.iunt8 | 8位無符號整形 |
| DT_STRING | tf.string | 可變長度的字節數組，每一個元素都是一個字節數組 |
| DT_BOOL | tf.bool | 布爾型 |
| DT_COMPLEX64 | tf.complex64 | 由兩個32位浮點數組成的負數：實數和虛數 |
二，Rank（階）
簡單說就是維度
| Rank | 實例 | 例子 |
|---|---|---|
| 0 | 標量（大小） | a = 1 |
| 1 | 向量（大小、方向） | b = [1,1,1,1] |
| 2 | 矩陣（數據表） | c = [[1,1],[1,1]] |
| 3 | 3階張量（數據立體） | d = [[[1,1],[1,1],[1,1]]] |
| n | n階 | e = [[[…[1],[1],[1]…]]]（n層中括號） |
三，Shape（形狀）
shape用於描述張量內部的組織關係
eg：a = [[1,2,3],[4,5,6],[7,8,9]]
shape是兩行三列，描述爲（2，3）