【Tensor】（张量）的基本概念和操作

every blog every motto: Just live your life cause we don’t live twice.

0. 前言

有关张量的基本概念和操作

1. 正文

1.1 什么是tensor

不严谨的的说，标量、向量、矩阵、多维数组等都叫tensor，（和numpy类似，不同点在于内置了GPU加速，提高计算速度而已。）

1.2 基本操作

1.2.1 创建tensor

import tensorflow as tf
           

可指定数据类型

1.2.2 tensor属性

1.2.2.1 指定生成数据位置

方法一：

with tf.device('cpu'):
    a = tf.constant([1])
           

a.device
           

数据指定在cpu上，如下图

with tf.device('gpu'):
    b = tf.range(4)
           

b.device
           

数据指定在gpu上

**方法二：**使用默认位置

g.device
           

cpu上

v.device
           

1.2.2.2 改变数据位置

aa = a.gpu()
aa.device
           

数据由cpu改变成到gpu

bb = b.cpu()
bb.device
           

数据有gpu改变成到cpu

1.2.2.3 tensor -> numpy

tensor 转成 numpy

t = b.numpy()
t
           

numpy查看维度

t.ndim
           

1.2.2.4 查看tensor是几维

h = tf.range(5)
h
           

查看维度如下图

1.2.2.5 判断一个参数是否是tensor

方法一：（推荐使用）

方法二：（不推荐使用）

1.2.2.6 类型转换

1. numpy -> tensor

a = np.arange(5)
a
           

aa = tf.convert_to_tensor(a)
aa
           

2. 改变tensor的数据类型

1.2.2.7 tf.Variable

a = tf.range(5)
a
           

b = tf.Variable(a)
b
           

b.trainable
           

如下图，可训练的，能求导

如下图，判断错误，所以不推荐用isinstance判断是否是tensor

推荐使用is_tensor进行判断

tensor-> numpy

对于标量，还有一种特殊是转换方式，如下图