在本章中,我们将学习有关TensorFlow基础的知识。我们将首先了解张量的数据结构。
张量数据结构
张量被用作TensorFlow语言中的基本数据结构。张量代表了流程图中的连接边,称为数据流图。张量被定义为多维数组或列表。
张量由以下三个参数标识 -
1. Rank(秩)
张量内描述维度的单位称为秩。它标识张量的维度数量。张量的秩可以描述为张量的阶数或n维度。
2. Shape(形状)
行数和列数一起定义了张量的形状。
3. Type(类型)
类型描述了分配给张量元素的数据类型。
用户需要考虑以下活动来构建一个张量 -
1. 构建一个n维数组
2. 转换n维数组。
TensorFlow包括各种维度。以下简要描述了这些维度 -
一维张量
一维张量是一个普通的数组结构,包含一组相同数据类型的值。
声明
>>> import numpy as np
>>> tensor_1d = np.array([1.3, 1, 4.0, 23.99])
>>> print tensor_1d
以下是带有输出的实现,如下图所示 -
元素的索