[人工智能]TensorFlow 2学习笔记——[1]

TensorFlow 2简介

TensorFlow 是由谷歌在 2015 年 11 月发布的深度学习开源工具，我们可以用它来快速构建深度神经网络，并训练深度学习模型。

张量

张量的概念

通常定义张量的物理学或传统数学方法，是把张量看成一个多维数组，当变换坐标或变换基底时，其分量会按照一定规则进行变换，这些规则有两种：即协变或逆变转换。

一阶张量为向量，二阶张量为矩阵。当然，零阶张量也就是标量，而更重要的是 𝑁 阶张量，也就是 𝑁 维数组。

数据类型和形状

在 TensorFlow 中，每一个 Tensor 都具备两个基础属性：数据类型（默认：float32）和形状。

数据类型

形状

用途

tf.Variable ：变量 Tensor，需要指定初始值，常用于定义可变参数，例如神经网络的权重。
tf.constant ：常量 Tensor，需要指定初始值，定义不变化的张量。

新建变量和常量类型的张量：
导入模块并获取版本信息

import tensorflow as tf

tf.__version__

变量：

v = tf.Variable([[1, 2], [3, 4]])  # 形状为 (2, 2) 的二维变量
v

常量：

c = tf.constant([[1, 2], [3, 4]])  # 形状为 (2, 2) 的二维常量
c

输出包含了形状shape，数据类型dtype，对应的numpy数组

• tf.zeros：新建指定形状且全为 0 的常量 Tensor
• tf.zeros_like：参考某种形状，新建全为 0 的常量 Tensor
• tf.ones：新建指定形状且全为 1 的常量 Tensor
• tf.ones_like：参考某种形状，新建全为 1 的常量 Tensor
• tf.fill：新建一个指定形状且全为某个标量值的常量 Tensor

c = tf.zeros([3,3])
c

c = tf.zeros_like([[1,2],[3,4]])
c

tf.ones_like(c)

tf.fill([2,3],6)

创建一个等间隔序列
tf.linspace(1.0,10.0,5,name="linspace")

创建一个数字序列
tf.range(start=1,limit=10,delta=2)

矩阵乘法：c = tf.linalg.matmul(a, b)
转置矩阵：tf.linalg.matrix_transpose?

自动微分

常用模块

• tf.：包含了张量定义，变换等常用函数和类。
• tf.data：输入数据处理模块，提供了像 tf.data.Dataset 等类用于封装输入数据，指定批量大小等。
• tf.image：图像处理模块，提供了像图像裁剪，变换，编码，解码等类。
• tf.keras：原 Keras 框架高阶 API。包含原 tf.layers 中高阶神经网络层。
• tf.linalg：线性代数模块，提供了大量线性代数计算方法和类。
• tf.losses：损失函数模块，用于方便神经网络定义损失函数。
• tf.math：数学计算模块，提供了大量数学计算函数。
• tf.saved_model：模型保存模块，可用于模型的保存和恢复。
• tf.train：提供用于训练的组件，例如优化器，学习率衰减策略等。
• tf.nn：提供用于构建神经网络的底层函数，以帮助实现深度神经网络各类功能层。
• tf.estimator：高阶 API，提供了预创建的 Estimator 或自定义组件。# 系列文章目录

总结