TensorFlow系列教程：张量操作与变形技巧

1.1 概述

TensorFlow提供了大量的张量运算与操作，基本上可以对标Numpy多维数组的运算，以支持对张量的各种复杂的运算。

这些操作运算中大多是对数组中每个元素执行相同的函数运算，并获得每个元素函数运算的结果序列，这些序列生成一个新的同维度的数组。

https://www.runoob.com/numpy/numpy-linear-algebra.html

不同维度张量的维度方向标识

• 随着张量维度的增加，张量维度的标识dim的范围也在扩宽
• 在张量维度扩展的过程中，维度标识值（dim=n）的含义也在发生变化。
• dim=0总是指向张量的多维数组存储的最外层：[ ] [ ] [ ], 这与物理存储的标识是相反的。

1.2 运算分类

1）算术运算：加、减、系数乘、系数除

2）函数运算：sin，cos

3）取整运算：上取整、下取整

4）统计运算：最大值、最小值、均值

5）比较运算：大于，等于，小于、排序

6）线性代数运算：矩阵、点乘、叉乘

1.3 张量的操作与变换

1）变换内容: 变换张量元素的值。

2）变换长度：变换张量的某个方向的长度（即向量的维度或长度），长度可增加，可减少。

3）变换维度：变化张量的维度，维度可以增加，可减少。

1.4 环境准备

登录后复制

#环境准备
import numpy as np
import tensorflow as tf
print("hello world")
print("tensorflow version:", tf.__version__)1.2.3.4.5.

1.5 张量的操作 - 变形（reshape）

所谓张量的变形，就是改变张量的形状。

形状包括：张量的维度，不同维度方向上的长度。

一般情况下，变形前后，张量的总元素的个数和内容不变。

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删