TensorFlow中什么是Tensor？

一、Tensor概念

Tensor意思为张量，张量是什么？张量具有维度，或者可有称作为他的秩：Rank/Order

我们以数组为对比，展示张量维度的概念：

 在上图中，当在零维的时候，称为标量；

当在一维的时候，就是我们经常提的向量；

当在二维的时候，就是我们经常提的矩阵；即Matrix

在多维的时候，就可以称作n维的张量。

张量的概念是相对与标量，向量，矩阵这一系类概念的拓展

 二、Tensor的属性

Tensor和Pyhton中的Numpy包有很多相似的属性和用法：

 还有很多如device，name，graph等等。

三、常见的Tensor

1.Constant（常量）

Constant是值不能改变的一种Tensor

下面试引用的方法，要注意的是，我们要想输出const，必须以创建session回话的方式，而不能直接打印

1
2
3
4
import tensorflow as tf

const = tf.constant(3)

下面是对constant的属性设置：

1
2
3
4
5
6
7
constant(
    value,
    dtpye = None,
    shape = None,
    name = 'Const',
    verify_shape = False
)

2.Variable（变量） 

下面是对Variable的使用：

1
2
3
import tensorflow as tf

const = tf.variable

下面是Variable的构造函数

1
2
3
4
5
6
7
8
9
10
11
12
13
__init__(
    initial_value = None,
    trainable =True,
    collections = None,
    validate_shape = True,
    caching_device = None,
    name = None,
    variable_def = None,
    dtype = None,
    expected_shape = None,
    import_scope = None,
    constraint = None
)

3.placeholder（占位符）

先占住一个固定的位置，等着你之后往里面添加值的一种Tensor

1
2
3
import tensorflow as tf

const = tf.placeholder

属性如下：

1
2
3
4
5
placeholder(
    dtype
    shape = None,
    name = None
)

官网代码实例如下：

1
2
3
4
5
6
7
8
x = tf.placeholder(tf.float32, shape=(1024, 1024))
y = tf.matmul(x, x)

with tf.Session() as sess:
  print(sess.run(y))  # ERROR: will fail because x was not fed.

  rand_array = np.random.rand(1024, 1024)
  print(sess.run(y, feed_dict={x: rand_array}))  # Will succeed.

通过tf.float32指定数据类型，shape指定了1024*1024的矩阵；

使用feed_dict进行字典传参。

4.SparseTensor（稀疏张量）

可以类比稀疏矩阵，稀疏矩阵的概念是：在矩阵中，若数值为0的元素数目远远多于非0元素的数目，并且非0元素分布没有规律时，则称该矩阵为稀疏矩阵；与之相反，若非0元素数目占大多数时，则称该矩阵为稠密矩阵。定义非零元素的总数比上矩阵所有元素的总数为矩阵的稠密度。

ensorFlow表示一个稀疏张量，作为三个独立的稠密张量：indices，values和dense_shape。在Python中，三个张量被集合到一个SparseTensor类中，以方便使用。如果你有单独的indices，values和dense_shape张量，SparseTensor在传递给下面的操作之前，将它们包装在一个对象中。 

具体来说，该稀疏张量SparseTensor(indices, values, dense_shape)包括以下组件，其中N和ndims分别是在SparseTensor中的值的数目和维度的数量：

• indices：density_shape[N, ndims]的2-D int64张量，指定稀疏张量中包含非零值（元素为零索引）的元素的索引。例如，indices=[[1,3], [2,4]]指定索引为[1,3]和[2,4]的元素具有非零值。
• values：任何类型和dense_shape [N]的一维张量，它提供了indices中的每个元素的值。例如，给定indices=[[1,3], [2,4]]的参数values=[18, 3.6]指定稀疏张量的元素[1,3]的值为18，张量的元素[2,4]的值为3.6。
• dense_shape：density_shape[ndims]的一个1-D int64张量，指定稀疏张量的dense_shape。获取一个列表，指出每个维度中元素的数量。例如，dense_shape=[3,6]指定二维3x6张量，dense_shape=[2,3,4]指定三维2x3x4张量，并且dense_shape=[9]指定具有9个元素的一维张量。

1
2
3
4
5
SparseTensor(indices=[[0, 0], [1, 2]], values=[1, 2], dense_shape=[3, 4])

[[1, 0, 0, 0]
 [0, 0, 2, 0]
 [0, 0, 0, 0]]

init方法：

1
2
3
4
5
__init__(
    indices,
    values,
    dense_shape
)

最后

以上就是高贵高跟鞋最近收集整理的关于TensorFlow中什么是Tensor？的全部内容，更多相关TensorFlow中什么是Tensor内容请搜索靠谱客的其他文章。