tensorflow的特点 tensor

TF2 基础 (2) : Tensor 介绍本文是对官方文档的学习笔记。
【tensorflow的特点 tensor】 Tensor 的特点：
这是一个 0 阶 Tensor，没有“轴”
一阶 Tensor 类似一个 List，有一个“轴”
二阶 Tensor 类似一个 Matrix ，有两个“轴”
高阶 Tensor,这是个 3阶 Tensor ，shape 是 [3, 2, 5]
注意：shape 的规则，最内部的数据个数，在最后边。比如上例，它的shape 是 [3, 2, 5]，意思是最内部的数组（不再包含其他数组）所包含的元素是 5个，次内部的数组，每个包含2个元素，以此类推。
对于一般的 Tensor 来说tf.Tensor（之前我们讨论的）要求内部数据形状必须是矩形（所有轴上的数据长度相等），但也有比较特殊的Tensor ，支持不规则数据形状。
Tensor支持常见的数学运算
关于 Tensor 的词汇
关于这一段，原文里面大部分说的很抽象，没啥指导意义。倒是这张图，还有其中的一句话比较有意义。右边的数值，更加local ，而且在内存上距离更近。比如上面图所示，右边的feature 就表示一个sample 的中的feature ，他们之间距离更近。
TensorFlowindex 规则：
把 [3,1] shape 转换成 Python list：as_list
reshape是转换Tensor shape 的最简单的方式
reshape 以后，Tensor 对象会更新，新的Tensor 还指向相同的数据（The data maintains its layout in memory and a new tensor is created, with the requested shape, pointing to the same data. ）
用：tf.reshape(some_tensor, [-1])
reshape一般用于增加、减少一个维度。对于上面 3* 2 * 3 Tensor 的例子，减少维度的例子：
如下，改变轴的顺序应该用tf.transpose
有人称为是动态形状 Tensor
广播是从NumPy中的等效功能中借用的概念。简而言之，在某些情况下，在对它们进行组合操作时，较小的张量会自动“拉伸”以适合较大的张量。
最简单和最常见的情况是尝试将张量乘或加到标量时。在这种情况下，标量被广播为与其他自变量相同的形状。
在大多数情况下，广播既节省时间又节省空间，因为广播操作永远不会实现内存中扩展的张量。
注意，这不和上面广播不一样，broadcast_to 产生的新 Tensor 并不会节约内存。
TF2 中很多函数都会要求参数是 Tensor ，如果参数不是 Tensor 则会调用 convert_to_tensor来做转换。有些类型，比如 ndarray，TensorShape，Python list，tf.Variable 已经“注册”了，他们可以自动转换成 Tensor 。对于自定义类型，可以tf.register_tensor_conversion_function来注册转换函数。
沿某个轴具有可变数量元素的张量称为“Ragged Tensors” 。使用 tf.ragged.RaggedTensor处理不整齐的数据。
例如
普通 Tensor 处理不了长短不一的情况
tf.string是dtype，也就是说您可以将数据表示为张量中的字符串（可变长度字节数组）。
这些字符串是原子的，无法像Python字符串那样被索引。字符串的长度不是张量的轴之一。有关操作它们的功能，请参见tf.strings。
在上面的打印输出中，b前缀表示tf.string dtype不是unicode字符串，而是字节字符串。有关在TensorFlow中处理Unicode文本的更多信息，请参见Unicode教程。
如果传递unicode字符，则它们是utf-8编码的。
可以在tf.strings中找到一些带有字符串的基本功能，包括tf.strings.split 。
其他更多关于 String Tensor ，可以参考string_tensors
Sparse tensors 用来存储稀疏矩阵类型的数据。

文章插图
tensor 与 vector 有什么区别张量积(tensor
product)
，可以应用于不同的上下文中如向量、矩阵、张量、向量空间、代数、拓扑向量空间和模。在各种情况下这个符号的意义是同样的:
最一般的双线性运算。在某些上下文中也叫做外积。tensor是矩阵分析里面的张量，表示高维数组，或者叫多路数据。二阶张量就是矩阵，一阶张量就是向量。高阶SVD相对于矩阵SVD更能提取出高维数据的内在结构。
Vector
类在
java
中可以实现自动增长的对象数组;
vector在C++标准模板库中的部分内容，它是一个多功能的，能够操作多种数据结构和算法的模板类和函数库。
(1)
矢量：具有方向性的量。
(2)
编程语言方面：vector是C++标准模板库中的部分内容，中文偶尔译作“容器”，但并不准确。它是一个多功能的，能够操作多种数据结构和算法的模板类和函数库。vector之所以被认为是一个容器，是因为它能够像容器一样存放各种类型的对象，简单地说，vector是一个能够存放任意类型的动态数组，能够增加和压缩数据。

tensorflow的特点 tensor

秒懂生活扩展阅读