python如何獲取tensor()數據類型中的值
獲取tensor()數據類型的值
一、問題
隻想要216.8973那個數。
二、解決方法
1、單個tensor
tensor.item()
就可以得到216.8973。
2、多個tensor
tensor.tolist()
完美解決~
tensorflow筆記:tensor數據類型
常見的數據類型載體
list
np.array
tf.tensor
list
: 可以存儲不同數據類型,缺點不適合存儲較大的數據,如圖片np.array
: 解決同類型大數據數據的載體,方便數據運算,缺點是在深度學習之前就設計好的,不支持GPUtf.tensor
:更適合深度學習,支持GPU
Tensor是什麼
scalar
: 1.1vector
:[1.1] , [1.1,2.2,……]matrix
:[[1,2,3,],[4,5,6],[7,8,9]]torsor
:rank > 2 (一般指的是維度大於2的數據)
但是,在tensorflow裡面我們把數據的數據都叫tensor
Tensor支持的類型
int
,float
,double
bool
string
創建不同類型的Tensor
import tensorflow as tf # 創建一個整型的數據 tf.constant(1) # Out[3]: <tf.Tensor: shape=(), dtype=int32, numpy=1> # 註意因為這裡的constant就是一個普通的tensor,不要理解為常量瞭(TF1.0是代表一個常量) # 創建一個浮點類型的數據 tf.constant(1.) # Out[4]: <tf.Tensor: shape=(), dtype=float32, numpy=1.0> # 若給定一個浮點型的數據,但是指定為int類型會報錯 tf.constant(2.2,dtype=tf.int32) # TypeError: Cannot convert 2.2 to EagerTensor of dtype int32 # 給一數指定雙精度 tf.constant(2.,dtype=tf.double) # Out[6]: <tf.Tensor: shape=(), dtype=float64, numpy=2.0> # 創建bool類型的數據 tf.constant([True,False]) # Out[7]: <tf.Tensor: shape=(2,), dtype=bool, numpy=array([ True, False])> # 創建字符串型數據(很少用) tf.constant("hello,world") # Out[8]: <tf.Tensor: shape=(), dtype=string, numpy=b'hello,world'>
Tensor Property
下面開始介紹Tensor常用的屬性
tf.device
import tensorflow as tf with tf.device("cpu"): a = tf.constant([1]) with tf.device("gpu"): b = tf.range(6) print(a.device) print(b.device) # 數據在CPU和GPU上的轉換 aa = a.gpu() print(aa.device) bb = b.cpu() print(bb.device)
輸出結果:
/job:localhost/replica:0/task:0/device:CPU:0
/job:localhost/replica:0/task:0/device:GPU:0
/job:localhost/replica:0/task:0/device:GPU:0
/job:localhost/replica:0/task:0/device:CPU:0
轉換為numpy
c = tf.range(10) #Out[14]: <tf.Tensor: shape=(10,), dtype=int32, numpy=array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])> c.numpy() #Out[15]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
Tensor的維度與形狀
d = tf.range(10) d.shape # Out[17]: TensorShape([10]) d.ndim # Out[18]: 1 # 用rank查看tensor的維度(秩):返回的是一個tensor類型的數據 tf.rank(d) # Out[19]: <tf.Tensor: shape=(), dtype=int32, numpy=1> tf.rank(tf.ones([3,4,2])) # Out[20]: <tf.Tensor: shape=(), dtype=int32, numpy=3> # tf.name # 是Tensorflow1.0中的概念,現在基本已經淘汰瞭
python中判斷一個數據是不是Tensor
import numpy as np import tensorflow as tf a = tf.constant(1.) b = tf.constant([True,False]) c = tf.constant("hello,world") d = np.arange(4) isinstance(a,tf.Tensor) # Out[27]: True tf.is_tensor(b) # Out[28]: True tf.is_tensor(d) # Out[29]: False a.dtype,b.dtype,c.dtype,d.dtype # Out[32]: (tf.float32, tf.bool, tf.string, dtype('int32')) a.dtype == tf.float32 Out[33]: True c.dtype == tf.string Out[34]: True
數據類型的轉換
a = np.arange(5) a.dtype Out[36]: dtype('int32') aa = tf.convert_to_tensor(a) # numpy數據轉化方法為.astype(np.int64) # Out[38]: <tf.Tensor: shape=(5,), dtype=int32, numpy=array([0, 1, 2, 3, 4])> aa = tf.convert_to_tensor(a, dtype=tf.float32) # Out[40]: <tf.Tensor: shape=(5,), dtype=float32, numpy=array([0., 1., 2., 3., 4.], dtype=float32)> # 用頭tf.cast()數據轉化 tf.cast(aa,dtype = tf.float32) # Out[41]: <tf.Tensor: shape=(5,), dtype=float32, numpy=array([0., 1., 2., 3., 4.], dtype=float32)> aaa = tf.cast(aa,dtype=tf.double) # Out[43]: <tf.Tensor: shape=(5,), dtype=float64, numpy=array([0., 1., 2., 3., 4.])> tf.cast(aaa,dtype=tf.int32) # Out[44]: <tf.Tensor: shape=(5,), dtype=int32, numpy=array([0, 1, 2, 3, 4])> # bool 與 int 的轉化 b = tf.constant([0,1]) tf.cast(b,tf.bool) # Out[46]: <tf.Tensor: shape=(2,), dtype=bool, numpy=array([False, True])> bb = tf.cast(b,dtype=tf.bool) tf.cast(bb,tf.int32) # Out[48]: <tf.Tensor: shape=(2,), dtype=int32, numpy=array([0, 1])>
tf.Variable
tf.Variable在tensorflow中相比tf.constan一樣也是Tensor,tf.Variable特指Tensorflow中哪些可以優化的參數,比如自動求導。
tf.Variable可以理解為是專門為神經網絡所設立的一個類型。
a = tf.range(5) b = tf.Variable(a) # Out[51]: <tf.Variable 'Variable:0' shape=(5,) dtype=int32, numpy=array([0, 1, 2, 3, 4])> b.dtype # Out[52]: tf.int32 b.name # Out[53]: 'Variable:0' b = tf.Variable(a, name = "input_data") b.name # Out[55]: 'input_data:0' b.trainable # Out[56]: True isinstance(b,tf.Tensor) # Out[57]: False isinstance(b,tf.Variable) # Out[58]: True tf.is_tensor(b) # Out[59]: True b.numpy() # Out[60]: array([0, 1, 2, 3, 4])
將Tensor類型轉化為python中的數據類型
a = tf.ones([]) # Out[63]: <tf.Tensor: shape=(), dtype=float32, numpy=1.0> a.numpy() # Out[64]: 1.0 int(a) # Out[65]: 1 float(a) # Out[66]: 1.0
以上為個人經驗,希望能給大傢一個參考,也希望大傢多多支持WalkonNet。
推薦閱讀:
- 解決numpy和torch數據類型轉化的問題
- pytorch教程之Tensor的值及操作使用學習
- TensorFlow人工智能學習數據類型信息及轉換
- numpy和tensorflow中的各種乘法(點乘和矩陣乘)
- TensorFlow神經網絡學習之張量與變量概念