一、數(shù)據(jù)類型

在tf中，數(shù)據(jù)類型有整型（默認(rèn)是int32），浮點(diǎn)型（默認(rèn)是float32），以及布爾型，字符串。

二、數(shù)據(jù)類型信息

①.device

查看tensor在哪（CPU上面或者GPU上面），可以通過(guò).cpu()，.gpu()進(jìn)行轉(zhuǎn)換，如果數(shù)據(jù)所在的處理器位置不一樣，則不能進(jìn)行計(jì)算。

②.numpy()

將數(shù)據(jù)轉(zhuǎn)換成numpy格式。

③.shape / .ndim

查看形狀，.ndim查看維度，.is_tensor查看是不是tensor類型。

三、數(shù)據(jù)類型轉(zhuǎn)換

①tf.convert_to_tensor

將數(shù)據(jù)轉(zhuǎn)換成tensor類型，當(dāng)從Numpy轉(zhuǎn)換成tensor的時(shí)候，會(huì)默認(rèn)是int64，需要指定一下類型，才能成為tf默認(rèn)的類型也就是int32。

②tf.cast()

可以實(shí)現(xiàn)tensor的數(shù)據(jù)類型轉(zhuǎn)換。

注意：在深度學(xué)習(xí)中，是需要對(duì)參數(shù)求梯度的，需要variable包裝一下，就擁有了trainable屬性，這樣就才求梯度。假如是自己寫傳播過(guò)程，更新后的參數(shù)也需要用variable包裝。

以上就是TensorFlow人工智能學(xué)習(xí)數(shù)據(jù)類型信息及轉(zhuǎn)換的詳細(xì)內(nèi)容，更多關(guān)于TensorFlow數(shù)據(jù)類型的資料請(qǐng)關(guān)注本站其它相關(guān)文章！

版權(quán)聲明：本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái)，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。