目录
版本：
示例1（转换常量数据类型）
代码：?
import tensorflow as tf
def test1():
x1 = tf.constant([1.,2.,3.],dtype=tf.float64) # 强制tensor转换为该数据类型
print(x1)
x2 = tf.cast(x1,tf.int32) # 计算张量维度上元素的最小值
print(x2)
print(tf.reduce_min(x2),tf.reduce_max(x2)) # 计算张量维度上元素的最大值
if __name__ == '__main__':
test1()结果：?
?示例2（常量均值、求和）
代码：
def test2():
x= tf.constant(
[
[1,2,3],
[2,2,3]
]
)
print(x)
print(tf.reduce_mean(x)) # 计算张量的均值
print(tf.reduce_sum(x,axis=1)) # 计算张量沿着指定维度的和结果：
示例3（创建可训练的变量）
代码：
def test3():
w = tf.Variable(tf.random.normal([2,2],mean=0,stddev=1)) # 创建一个二维可训练的数据，mean=0表示这组数据的均值为0，stddev=1表示标准差为1
print(w)结果：
?示例4（四则运算）
代码：
def test4():
"""
tensor矩阵的四则运算
:return:
"""
a = tf.ones([1,3]) # 创建一个1行3列全为1.的矩阵
b = tf.fill([1,3],3.) # 创建一个1行3列全为3.的矩阵
print(a)
print(b)
print(tf.add(a,b)) # a+b
print(tf.subtract(a,b)) # a-b
print(tf.multiply(a,b)) # a*b
print(tf.divide(b,a)) # b/a结果：
?示例5（平方、次方、开放）
代码：
def test5():
a = tf.fill([1,2],3.)
print(a)
print(tf.pow(a,3)) # a的3次方
print(tf.square(a)) # a的平方
print(tf.sqrt(a)) # a的开放结果：
?示例6（矩阵乘法）
代码：
def test6():
a = tf.ones([3,2])
b = tf.fill([2,3],3.)
print(tf.matmul(a,b))结果：
?示例7（特征和标签配对）
代码：
def test7():
features = tf.constant([12,23,10,17])
labels = tf.constant([0,1,1,0])
dataset = tf.data.Dataset.from_tensor_slices((features,labels))
print(dataset)
for element in dataset:
print(element)结果：
?示例8（函数对指定参数的求导）
代码：
def test8():
with tf.GradientTape() as tape:
w = tf.Variable(tf.constant(3.0))
loss = tf.pow(w,2) # w^2
grad = tape.gradient(loss,w)
print(grad)结果：
示例9（独热码）
代码：
def test9():
classes = 3
labels = tf.constant([1,0,2])
output = tf.one_hot(labels,depth=classes) # labels为待转换数据，depth表示是几分类
print(output)结果：
示例10（softmax）?
?代码：
def test10():
y = tf.constant([1.01,2.01,-0.66])
y_pro = tf.nn.softmax(y)
print("After softmax,y_pro is:",y_pro)?结果：
示例11（参数自减1）
代码：
def test11():
w = tf.Variable(4)
w.assign_sub(1)
print(w)?结果：
?示例12（argmax）
代码：
def test12():
import numpy as np
test = np.array(
[
[1,2,3],
[2,3,4],
[5,4,3],
[8,7,2],
]
)
print(tf.argmax(test, axis=0)) # 返回每列最大值的索引
print(tf.argmax(test, axis=1)) # 返回每行最大值的索引结果：
示例13（tf.where）
条件语句，真返回a，假返回b
代码：
def test13(): # （）
a = tf.constant([1,2,3,1,1])
b = tf.constant([0,1,3,4,5])
c = tf.where(tf.greater(a,b),a,b) # 若a>b,返回对应位置的元素，否则返回b对应位置的元素
print(c)
print(tf.greater(a,b))
结果：
?