• 即将更新编译原理,机器学习,JavaScript,HTML/CSS等文章,谢谢关注~
  • 由于算法限制,搜索时注意简化关键字,谢谢支持~
  • 网站不兼容IE5.0及以下,请使用主流浏览器访问.
  • Tensor(张量)的简介与运用

    张量(Tensor)是一个很重要的概念。在TensorFlow中所有的数据都用张量来表示,当然张量可以被简单得理解为多维数组。

    其中零阶张量表示标量(scalar),一阶张量表示向量(vector),n阶张量就是n阶数组。但是张量在TensorFlow中的实现并不想Numpy那样是数组的形式,而只是运算结果的引用,即是一种计算过程。

    下面是一个实例:

    计算结果:

    Tensor(“add:0”, shape=(2,), dtype=float32)

    [3. 5.]

    可以看到其计算结果是一个结构

    add代表的是名称(节点名称),0代表是来自节点的第几个输出

    shape是数组的结构,是一个一维数组,它的长度为2

    dtype是数据类型,注意要是a和b的类型不匹配此代码将无法执行

    当然result只是定义了这样一个运算,实际上没有执行,需要session来run才能看到最终结果。

    读者评分
    [评分人数: 1 平均分: 5]

    评论

    OmegaXYZ