TensorFlow 张量操作教程

TensorFlow 是一个强大的开源机器学习库，它提供了丰富的张量操作功能。本教程将介绍 TensorFlow 中的基本张量操作，帮助您快速上手。

张量基础

张量是 TensorFlow 中的核心数据结构，类似于多维数组。以下是 TensorFlow 中常见的一些张量操作：

创建张量

import tensorflow as tf

# 创建一个 2D 张量
tensor = tf.constant([[1, 2], [3, 4]])

张量形状

张量的形状表示了张量的维度和每个维度的大小。

print(tensor.shape)  # 输出: (2, 2)

张量类型

TensorFlow 支持多种数据类型，如整数、浮点数、布尔值等。

tensor_int = tf.constant([1, 2, 3], dtype=tf.int32)
tensor_float = tf.constant([1.0, 2.0, 3.0], dtype=tf.float32)

常用张量操作

以下是一些常用的张量操作：

加法

tensor1 = tf.constant([[1, 2], [3, 4]])
tensor2 = tf.constant([[5, 6], [7, 8]])

result = tf.add(tensor1, tensor2)
print(result)

乘法

result = tf.multiply(tensor1, tensor2)
print(result)

转置

result = tf.transpose(tensor1)
print(result)

归一化

result = tf.div(tensor1, tf.reduce_max(tensor1))
print(result)

扩展阅读

如果您想了解更多关于 TensorFlow 的内容，请访问我们的 TensorFlow 官方文档。

TensorFlow Logo

以上内容仅为示例，实际操作中请根据具体需求进行调整。如果您在使用 TensorFlow 过程中遇到任何问题，欢迎在 TensorFlow 社区 中提问。