Tensorflow2.0课程代码实现与测试.pdfVIP

Tensorflow2.0课程代码实现与测试 根据学习的进度更新代码 Chap1 import tensorflow as tf import numpy as np 、创建张量 # 1 a = tf .constant([1, 5], dtype=tf.int64) #⽣成⼀个张量 print(a) #输出张量 print(a.dtype) #张量形式 print(a.shape) #张量的形状（维数及⼀个维度中元素个数）逗号隔开数字个数表⽰张量的维数数字表⽰每个维度中元素的个数 、 数组转化为张量 # 2 numpy 使⽤ 中 函数⽣成⼀个 的数组 a = np .arange(1,5) # numpy arange numpy 将 中的数组转化为 ⾥的张量 b = tf .convert_to_tensor(a, dtype=tf.int64) # numpy tensorflor print(a) print(b) 、 中的 函数 # 3 tensorflow zeros,ones,fill a = tf .ones(4) print(a) 第⼀个参数都是表⽰⽣成数据的维度及维度上元素的个数，中有⼏个数字就是⼏个维度，数字是多少就是元素个数 b = tf .zeros([2,3]) # ones zeros fill [] print(b) c = tf .fill([2,3,4],5) # fill的第⼆个参数就是张量的元素 print(c) 、⽣成正态分布、均匀分布随机数 # 4 ⽣成两⾏两列的均值为标准差为 的张量 # 1 1 a = tf .random.normal([2,2],mean=0,stddev=1) ⽣成两⾏两列的均值为标准差为 的张量且保证数据在 之间 # 1 1 [mean-2stddev,mean+2stddev] b = tf .random.truncated_normal([2,2],mean=0,stddev=1) ⽣成两⾏两列的张量，元素服从 均匀分布 # U(minval,maxval) c = tf .random.uniform([2,2],minval=0,maxval=1) print(a) print(b) print(c) 、强制类型转换 # 5 ⽣成数据类型为 的张量 a = tf .constant([1,2],dtype=tf.int64) # int64 将数据类型转化为 注意！不是改变 ⽽是返回⼀个元素值与相同但是元素类型不同的新张量 tf.cast(a,dtype=tf.float32) # float32 a a print(a) 将函数值赋给 张量 的数据类型才会改变 a = tf .cast(a,dtype=tf.float32) # a a print(a) 、常⽤运算 # 6 a = tf .constant([[1,2,3],[4,5,6]],dtype=tf.int64)