TensorFlow2.0

1 使用技巧

  1. 更新到最新版本:

    pip install --upgrade tensorflow
    pip install --upgrade tensorflow-gpu
  2. 导入TensorFlow模块:

    import tensorflow as tf
  3. 查看版本号:

    print('TensorFlow版本号为:', tf.__version__)
  4. 查看是否支持GPU运算:

    rint('GPU是否可用:', tf.test.is_gpu_available())
    print('GPU设备名称:', tf.test.gpu_device_name())
  5. 查看模式:

    print('是否为动态模式(EagerExecution):', tf.executing_eagerly())
  6. 在TensorFlow2.0环境中,运行TensorFlow1.x版本:

    import tensorflow.compat.v1 as tf
    tf.disable_v2_behavior()

2 TensFlow基础

1 创建张量

  1. 创建张量Tensor对象:

    tf.constant(value, dtype, shape)
    • value:数字、Python列表、Numpy数组
    • dtype:元素的数据类型
    • shape:张量的形状
    tf.convert_to_tensor(数组/列表/数字/布尔型/字符串)
  2. 判断数据对象是否为张量:

    tf.is_tensor(x)
    • x:数据对象
  3. Python验证数据对象是否为张量:

    isinstance(x)
    • x:数据对象
  4. 张量转换为Numpy数组:

    x.numpy()
    • x:TensorFlow的张量
  5. 张量元素的数据类型:

    数据类型 描述
    tf.int8 8位有符号整数
    tf.int16 16位有符号整数
    tf.int32 32位有符号整数
    tf.int64 64位有符号整数
    tf.uint8 8位无符号整数
    tf.float32 32位浮点数
    tf.float64 64位浮点数
    tf.string 字符串(非Unicode编码的字节数组)
    tf.bool 布尔型
    tf.complex64 复数,实部和虚部分别为32位浮点型
  6. 更改元素的数据类型:

    tf.cast(x, dtype)
    • x:TensorFlow的张量
    • dtype:目标类型

    注:

    1. 在进行数据类型转换时,一般是将低精度的数据类型向高精度转换,否则可能发生数据溢出,得到错误的结果。
    2. 布尔型转为整型,0:False, 1:True;
    3. 整型变量转换为布尔型,将非0数字都视为True。

2 维度变换改变张量的形状:

  1. 改变张量的形状:

    tf.reshape(tensor, shape)
    • tensor:原始张量
    • shape:目标张量的形状

    注:shape参数等于-1时,自动推导出长度。

  2. 增加张量的维度:

    tf.expand(input, axis)
    • input:输入的张量
    • axis:增加的轴位置
  3. 删除张量维度

    tf.squeeze(input, axis)

    注:只能删除长度为1的维度

  4. 交换张量的维度:

    tf.transpose(x, perm)
    • x:原始张量
    • perm:各个轴的顺序
  5. 拼接张量:

    tf.concat(tensors, axis)
    • tensors:列表,包含所有需要拼接的张量
    • axis:制定在哪个轴上拼接
  6. 分割张量

    tf.spllt(value, num_or_size_splits, axis=0)
    • value:待分割的张量
    • num_or_size_splits:分割的方案
    • axis:指定按照哪个轴进行分割

    注:图像的分割与拼接,改变的是张量的视图,张量的存储顺序并没有改变。

  7. 张量的堆叠

    tf.stack(values, axis)
    • values:要堆叠的多个张量
    • axis:指定插入新维度的位置
  8. 张量分解

    tf.unstack(values, axis)
    • values:要分解的张量
    • axis:指定要分解的轴

3 部分采样

  1. 索引

    x[:][:]
  2. 切片

    x[起始位置:结束位置:步长]

    注:

    1. 起始位置:结束位置,是前闭后开的 ,切片中不包含结束位置。
    2. 起始位置、结束位置、步长都可以省略。
    3. 步长可以是负数,这时起始位置的索引号,应该大于结束位置。
    4. 纬度之间用逗号隔开。
  3. 数据提取

    根据索引,抽取没有规律的、特定的数据。

    tf.gather(params, axis, indices)
    • params:原始张量
    • axis:说明在哪个轴上采样
    • indices:索引值列表

    同时采样多个点:

    tf.gather_nd(params, indices)
    • params:原始张量
    • indices:采样点的位置

4 张量运算

  1. 基本数学运算

    算术操作 描述 公式
    tf.add(x, y) 将x和y逐元素相加 \(x+y\)
    tf.subract(c, y) 将x和y逐元素相减 \(x-y\)
    tf.multiply(x, y) 将x和y逐元素相乘 \(x\times y\)
    tf.divide(x, y) 将x和y逐元素相除 \(\frac{x}{y}\)
    tf.math.mod(x, y) 对x和y逐元素取模 \(\sqrt{x^2+y^2}\)
  2. 幂指对数运算

    算术操作 描述 公式
    tf.pow(x, y) 对x求y的幂次方 \(x^y\)
    tf.square(x) 对x逐元素求平方 \(x^2\)
    tf.sqrt(x) 对x逐元素求开平方 \(\sqrt{x}\)
    tf.exp(x) 计算e的x次方 \(e^x\)
    tf.math.log(x) 计算x的自然对数(底数为e) \(\log_{e}{x}\)
  3. 其他运算

    函数 描述
    tf.sign(x) 返回x的符号
    tf.abs() 对x逐元素求绝对值
    tf.negative(x) 对x逐元素求相反数
    tf.reciprocal(x) 取x的倒数
    tf.logical_not(x) 对x逐元素求的逻辑非
    tf.ceil(x) 向上取整
    tf.floor(x) 向下取整
    tf.rint(x) 取最接近的整数
    tf.round(x) 对x逐元素求舍入最接近的整数
    tf.maximum(x, y) 返回两个向量中的最大值
    tf.minimum(x, y) 返回两个向量中的最小值
  4. 三角函数和反三角函数运算

    函数 描述
    tf.cos(x) 三角函数cos
    tf.sin(x) 三角函数sin
    tf.tan(x) 三角函数tan
    tf.acos(x) 反三角函数arccos
    tf.asin(x) 反三角函数arcsin
    tf.atan(x) 反三角函数arctan

待更新...


TensorFlow2.0使用方法的更多相关文章

  1. Google工程师亲授 Tensorflow2.0-入门到进阶

    第1章 Tensorfow简介与环境搭建 本门课程的入门章节,简要介绍了tensorflow是什么,详细介绍了Tensorflow历史版本变迁以及tensorflow的架构和强大特性.并在Tensor ...

  2. TensorFlow2.0(1):基本数据结构—张量

    1 引言 TensorFlow2.0版本已经发布,虽然不是正式版,但预览版都发布了,正式版还会远吗?相比于1.X,2.0版的TensorFlow修改的不是一点半点,这些修改极大的弥补了1.X版本的反人 ...

  3. 『TensorFlow2.0正式版教程』极简安装TF2.0正式版(CPU&GPU)教程

    0 前言 TensorFlow 2.0,今天凌晨,正式放出了2.0版本. 不少网友表示,TensorFlow 2.0比PyTorch更好用,已经准备全面转向这个新升级的深度学习框架了. ​ 本篇文章就 ...

  4. 『TensorFlow2.0正式版』TF2.0+Keras速成教程·零:开篇简介与环境准备

    此篇教程参考自TensorFlow 2.0 + Keras Crash Course,在原文的基础上进行了适当的总结与改编,以适应于国内开发者的理解与使用,水平有限,如果写的不对的地方欢迎大家评论指出 ...

  5. TensorFlow2.0(9):TensorBoard可视化

    .caret, .dropup > .btn > .caret { border-top-color: #000 !important; } .label { border: 1px so ...

  6. TensorFlow2.0(11):tf.keras建模三部曲

    .caret, .dropup > .btn > .caret { border-top-color: #000 !important; } .label { border: 1px so ...

  7. tensorflow2.0安装

    版本: python3.5 Anaconda 4.2.0 tensorflow2.0 cpu版本 1.安装命令 pip3 install tensorflow==2.0.0.0a0 -i https: ...

  8. 记录二:tensorflow2.0写MNIST手写体

    最近学习神经网络,tensorflow,看了好多视频,查找了好多资料,感觉东西都没有融入自己的思维中.今天用tensorflow2.0写了一个MNIST手写体的版本,记录下学习的过程. 复现手写体识别 ...

  9. tensorflow2.0 在pycharm下提示问题

    tensorflow2.0 使用keras一般通过tensorflow.keras来使用,但是pycharm没有提示,原因是因为实际的keras路径放在tensorflow/python/keras, ...

随机推荐

  1. Docker架构分解

    Docker总架构分解Docker对使用者来讲是一个C/S模式的架构,而Docker的后端是一个非常松耦合的架构,模块各司其职,并有机组合,支撑Docker的运行. 用户是使用Docker Clien ...

  2. Shell 信号处理 & Expect 免交互

    监控脚本项目 信号处理 1 什么是信号 由键盘组合键或者 kill 命令发出操作称之为信号 信号是发送给进程的,进程在收到信号后会作出默认的响应 2 为何要在进程内处理信号 进程在收到信号后会有默认的 ...

  3. bitbar 网站攻击实验

    实验环境 https://github.com/TouwaErioH/security/tree/master/web1 Windows10 Oracle VM VirtualBox Ubuntu16 ...

  4. KEIL5 使用STM32 官方例程

    1. 安装keil5,破解 网上很多安装包/教程,跳过 2.下载官方固件库 https://www.st.com/content/st_com/en.html 在这里找微处理器,STM32 stand ...

  5. codeforces 858A

    A. k-rounding time limit per test 1 second memory limit per test 256 megabytes input standard input ...

  6. C++中关于输入cin的一些总结

    (1)cin 在理解cin功能时,不得不提标准输入缓冲区.当我们从键盘输入字符串的时候需要敲一下回车键才能够将这个字符串送入到缓冲区中,那么敲入的这个回车键(\r)会被转换为一个换行符\n,这个换行符 ...

  7. 力扣561. 数组拆分 I-C语言实现-简单题

    题目 传送门 给定长度为 2n 的整数数组 nums ,你的任务是将这些数分成 n 对, 例如 (a1, b1), (a2, b2), ..., (an, bn) ,使得从 1 到 n 的 min(a ...

  8. Google reCAPTCHA 2 : Protect your site from spam and abuse & Google reCAPTCHA 2官方教程

    1

  9. how to fetch a group promise api in order with the returned resolved result

    how to fetch a group promise api in order with the returned resolved result promise 一组依次请求,generator ...

  10. HTML5 in depth

    HTML5 in depth Content Models Web Storage web storage 存储用户信息, 替代 cookies LocalStorage SessionStorage ...