TensorFlow中的資料型別

本文主要內容來自於史丹福大學課程cs20，有興趣的同學cs20。

一、python 原生型別

tensorflow接受了python自己的原生資料型別，例如python中的布林值型別，數值資料型別（整數，浮點數）和字串型別。單一值將轉換為0維張量（標量），列表值將轉換為1維張量（向量），列表套列表將被轉換成2維張量（矩陣）等等，以下示例來自於tensorflow for machine intelligence.

t_0 = 19 # treated as a 0-d tensor, or "scalar" 
tf.zeros_like(t_0) # ==> 0
tf.ones_like(t_0) # ==> 1

tf.zeros_like(t_1) # ==> [b'' b'' b'']

tf.ones_like(t_1) # ==> typeerror

t_2 = [[true, false, false],

[false, false, true],

[false, true, false]] # treated as a 2-d tensor, or "matrix"

tf.zeros_like(t_2) # ==> 3x3 tensor, all elements are false

tf.ones_like(t_2) # ==> 3x3 tensor, all elements are true

二、tensorflow原生型別

就像numpy一樣，tensorflow也有屬於自己的資料型別，你會在tensorflow中看到諸如tf.int32, tf.float32除了這些之外，還有一些很有意思的資料型別例如tf.bfloat, tf.complex, tf.quint.下面是全部的tensorflow資料型別，截圖來自tf.dtype

三、numpy資料型別

你可能已經注意到了numpy和tensorflow有很多相似之處。tensorflow在設計之初就希望能夠與numpy有著很好的整合效果。numpy軟體包現在已經成為資料科學的通用語言。

tensorflow資料型別很多也是基於numpy的，事實上，如果你令 np.int32==tf.int32將會返回true.你也可以直接傳遞numpy資料型別直接給tensorflow中的ops。

tf.ones([2, 2], np.float32) ==> [[1.0 1.0], [1.0 1.0]]

請記得，我們的好朋友tf.session.run()，要求的輸入物件是乙個tensor但是它的輸出是乙個numpy陣列。事實上，在絕大多數場合，你可以同時使用tensorflow型別和numpy型別。

將資料傳遞到tensorflow時，我們可以將資料轉換為適當的型別，但某些資料型別仍然難以正確轉換，例如複數。因此，通常將人工定義的張量物件建立為numpy陣列。但是，我們還是建議盡可能使用tensorflow型別。

TensorFlow中的資料型別

TensorFlow中的資料型別

Tensorflow中資料集的相關操作

Tensorflow中的Lazy load問題

TensorFlow中的資料型別

TensorFlow中的資料型別

Tensorflow中資料集的相關操作

Tensorflow中的Lazy load問題

相關推薦