Python tf.Tensor用法及代碼示例

tf.Tensor 表示元素的多維數組。

用法

tf.Tensor(
    op, value_index, dtype
)

所有元素都是單一的已知數據類型。

在編寫 TensorFlow 程序時，操作和傳遞的主要對象是 tf.Tensor 。

tf.Tensor 具有以下屬性：

• 單一數據類型(例如，float32、int32 或字符串)
• 一個形狀

TensorFlow 支持即刻執行和圖執行。在即刻執行中，會立即評估操作。在圖執行中，構建計算圖以供以後評估。

TensorFlow 默認為即刻執行。在下麵的示例中，立即計算矩陣乘法結果。

# Compute some values using a Tensor
c = tf.constant([[1.0, 2.0], [3.0, 4.0]])
d = tf.constant([[1.0, 1.0], [0.0, 1.0]])
e = tf.matmul(c, d)
print(e)
tf.Tensor(
[[1. 3.]
 [3. 7.]], shape=(2, 2), dtype=float32)

請注意，在即刻執行期間，您可能會發現您的 Tensors 實際上屬於 EagerTensor 類型。這是一個內部細節，但它確實讓您可以訪問一個有用的函數 numpy ：

type(e)
<class '...ops.EagerTensor'>
print(e.numpy())
  [[1. 3.]
   [3. 7.]]

在 TensorFlow 中，tf.function 是定義圖執行的常用方法。

張量的形狀(即張量的秩和每個維度的大小)可能並不總是完全已知的。在tf.function 定義中，形狀可能隻是部分已知的。

如果輸入的形狀也完全已知，則大多數操作會產生 fully-known 形狀的張量，但在某些情況下，隻能在執行時找到張量的形狀。

許多專用張量可用：參見 tf.Variable 、 tf.constant 、 tf.placeholder 、 tf.sparse.SparseTensor 和 tf.RaggedTensor 。

警告：從 numpy 數組或 pandas 數據幀構造張量時，可以重用底層緩衝區：

a = np.array([1, 2, 3])
b = tf.constant(a)
a[0] = 4
print(b)  # tf.Tensor([4 2 3], shape=(3,), dtype=int64)

注意：這是一個可能會更改的實現細節，用戶不應依賴此行為。

有關張量的更多信息，請參閱指南。