Tensorflow（一） —— 数据类型_tensorflow查看类型

1 主要的数据类型

• list
• np.array 同类型数据运算，没有GPU支持
• tf.Tensor

2 Tensor的种类

• (1) Scalar: 1.1 标量
• (2) Vector: [1.1] [1.1,2.2,…]
• (3) matrix: [[1.1,2.2,],[3.3,4.4]]
• (4) Tensor: ndim > 2
• (5) 一般tensor指以上所有数据

3 基本数据类型

• (1) int float double
• (2) bool
• (3) string

4 创建数据类型实例

4.1 创建 int类型

a = tf.constant(1)
print("a:",a)
1
2

4.2 创建float类型

b = tf.constant(2.)
print("b:",b)
1
2

4.3 类型使用不当

try:
    c = tf.constant(2.5,dtype = tf.int32)
except Exception as error:
    print(error)
1
2
3
4

4.4 创建布尔类型

d = tf.constant([True,False])
print("d:",d)
1
2

4.5 创建字符串类型

e = tf.constant("Welcome to TensorFlow!")
print("e:",e)
1
2

5 Tensor常见属性

5.1 device属性

with tf.device("cpu"):
    a = tf.constant(5)
with tf.device("gpu"):
    b = tf.constant(6)
print("a",a.device)
print("b",b.device)
1
2
3
4
5
6

5.2 CPU和GPU转移

aa = a.gpu()
print("aa:",aa.device)
bb = b.cpu()
print("bb:",bb.device)
"""
GPU上的tensor只能在GPU上操作
CPU上的Tenor只能在CPU上操作
"""
try:
    print(bb+aa)
except Exception as error:
    print(error)
1
2
3
4
5
6
7
8
9
10
11
12

5.3 Tensor转化为numpy:

print(aa.numpy(),type(aa.numpy()))
1

5.4 形状和维度

print(aa.shape)
"""
标量的形状为0
"""
t1 = tf.ones([5,6])
print("t1:",t1.shape)
print("t1:",t1.ndim)
print("t1:",tf.rank(t1)) # 同时返回shape和ndim

1
2
3
4
5
6
7
8
9

5.5 判断一个对象是否为Tensor

print("t1:",tf.is_tensor(t1))
print("t1:",isinstance(t1,tf.Tensor))
1
2

5.6 查看数据类型

print("t1:",t1.dtype)
1

5.7 数据类型判断

print("t1:",t1.dtype == tf.int32)
1

6 数据类型之间的相互转换

6.1 numpy转tensorflow

a = np.arange(10)
print("a:",a.dtype,a)
b = tf.convert_to_tensor(a)
print("b:",b.dtype,b)
c = tf.convert_to_tensor(a,dtype = tf.int16)
print("c:",c.dtype,c)
1
2
3
4
5
6

6.2 tensor类型间互转

t1 = tf.constant(5)
print("t1:",t1)
t11 = tf.cast(t1,tf.float32)
print("t11:",t11)
1
2
3
4

6.3 整型和布尔类型之间相互转换

t2 = tf.constant([0,1])
print("t2:",t2)
t21 = tf.cast(t2,tf.bool)
print("t21:",t21)
t22 = tf.cast(t21,tf.int32)
print("t22:",t22)
1
2
3
4
5
6

6.4 特殊的数据类型 tf.Variable

t3 = tf.range(5)
print("t3:",t3)
t31 = tf.Variable(t3)
print("t31:",t31)
print("t31:",t31.name)  
print("t31:",t31.trainable)  # 判断是否为变量，即是否可以求导

print('t31:',tf.is_tensor(t31)) 
print("t31:",isinstance(t31,tf.Tensor))
"""
所以用is_tensor方法更好更为准确
"""
1
2
3
4
5
6
7
8
9
10
11
12

6.6 转换为numpy数据类型

t4 = tf.range(1,100,5)
print("t4:",t4)
t41 = t4.numpy()
print("t41:",t41.dtype,t41)
1
2
3
4

本文为参考龙龙老师的“深度学习与TensorFlow 2入门实战“课程书写的学习笔记

by CyrusMay 2022 04 06