Python TensorFlow，张量的生成，张量运算的常用API，张量的类型转换 cast，张量的合并 concat

超、凢脫俗 2022-03-14 09:42 294阅读 0赞

**张量的数学函数API：[https://www.tensorflow.org/api\_docs/python/tf/math][https_www.tensorflow.org_api_docs_python_tf_math]** (算术运算、数学函数、矩阵运算、减少维度、序列运算)。  1.0版本的API，高版本的可能稍不同。

**张量的生成 API：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70][]

**张量改变数据类型的API：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70 1][]

--------------------

**demo.py（张量的生成、张量的合并、张量的类型转换）：**

import tensorflow as tf
    import numpy as np
    import os
    os.environ['TF_CPP_MIN_LOG_LEVEL']='2'  # 设置警告级别
    
    # 创建全为0的张量
    my_zeros = tf.zeros([3, 4], tf.float32)
    # 创建全为1的张量
    my_ones = tf.ones([3, 4], tf.float32)
    
    # 创建随机数 组成的张量(符合正态分布的随机数)
    my_random = tf.random_normal([2, 3], mean=0.0, stddev=1, seed=1)  # seed表示随机种子
    
    # 转换数据的类型
    my_int = tf.constant(np.arange(12), shape=[3, 4], dtype=tf.int32)  # int32类型
    my_float = tf.cast(my_int, tf.float32)   # int32类型转换成float32类型
    
    # 张量的合并
    a = [[1,2,3], [4,5,6]]
    b = [[7,8,9], [10,11,12]]
    c = tf.concat([a, b], axis=0)  # axis=0表示按行合并
    
    
    with tf.Session() as sess:
        print(sess.run(my_zeros))
        '''
        [[0. 0. 0. 0.]
         [0. 0. 0. 0.]
         [0. 0. 0. 0.]]
        '''
        print(sess.run(my_ones))
        '''
        [[1. 1. 1. 1.]
         [1. 1. 1. 1.]
         [1. 1. 1. 1.]]
        '''
        print(sess.run(my_random))
        '''
        [[-0.8113182   1.4845988   0.06532937]
         [-2.442704    0.0992484   0.5912243 ]]
        '''
        print(sess.run(my_float))
        '''
        [[ 0.  1.  2.  3.]
         [ 4.  5.  6.  7.]
         [ 8.  9. 10. 11.]]
        '''
        print(sess.run(c))
        '''
        [[ 1  2  3]
         [ 4  5  6]
         [ 7  8  9]
         [10 11 12]]
        '''

[https_www.tensorflow.org_api_docs_python_tf_math]: https://www.tensorflow.org/api_docs/python/tf/math
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70]: /images/20220313/52778fa3f4c94684a5cada3111a639ba.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70 1]: /images/20220313/bf564f778250459e90b5a231e1c4171b.png