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
![[TensorFlow系列-16]:TensorFlow基础 - 张量的操作 - 变形_TensorFlow](https://www.gofarlic.com/upload\boke\523\548b18e652cda2956a9b0e78820f9356.png)
不同维度张量的维度方向标识
![[TensorFlow系列-16]:TensorFlow基础 - 张量的操作 - 变形_操作_02](https://www.gofarlic.com/upload\boke\523\ff5198c5f4b2830876f8af6efbdaba12.png)
1.2 运算分类
![[TensorFlow系列-16]:TensorFlow基础 - 张量的操作 - 变形_深度学习_03](https://www.gofarlic.com/upload\boke\523\d94f5167d82d1b2a10e25b9d6ed5e6f2.png)
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
![[TensorFlow系列-16]:TensorFlow基础 - 张量的操作 - 变形_深度学习_03](https://www.gofarlic.com/upload\boke\523\d94f5167d82d1b2a10e25b9d6ed5e6f2(1).png)
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。
#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.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
武汉格发信息技术有限公司,格发许可优化管理系统可以帮你评估贵公司软件许可的真实需求,再低成本合规性管理软件许可,帮助贵司提高软件投资回报率,为软件采购、使用提供科学决策依据。支持的软件有: CAD,CAE,PDM,PLM,Catia,Ugnx, AutoCAD, Pro/E, Solidworks ,Hyperworks, Protel,CAXA,OpenWorks LandMark,MATLAB,Enovia,Winchill,TeamCenter,MathCAD,Ansys, Abaqus,ls-dyna, Fluent, MSC,Bentley,License,UG,ug,catia,Dassault Systèmes,AutoDesk,Altair,autocad,PTC,SolidWorks,Ansys,Siemens PLM Software,Paradigm,Mathworks,Borland,AVEVA,ESRI,hP,Solibri,Progman,Leica,Cadence,IBM,SIMULIA,Citrix,Sybase,Schlumberger,MSC Products...