python怎么获取tensor()数据类型中的值

本篇内容介绍了“python怎么获取tensor()数据类型中的值”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

获取tensor()数据类型的值

一、问题

只想要216.8973那个数。

二、解决方法

1、单个tensor

tensor.item()

就可以得到216.8973。

2、多个tensor

tensor.tolist()

tensorflow笔记：tensor数据类型

常见的数据类型载体

• list

• np.array

• tf.tensor

• list: 可以存储不同数据类型，缺点不适合存储较大的数据，如图片

• np.array: 解决同类型大数据数据的载体，方便数据运算，缺点是在深度学习之前就设计好的，不支持GPU

• tf.tensor:更适合深度学习，支持GPU

Tensor是什么

• scalar: 1.1

• vector:[1.1] , [1.1,2.2,……]

• matrix:[[1,2,3,],[4,5,6],[7,8,9]]

• torsor:rank > 2 （一般指的是维度大于2的数据）

但是，在tensorflow里面我们把数据的数据都叫tensor

Tensor支持的类型

• int, float, double

• bool

• string

创建不同类型的Tensor

import tensorflow as tf# 创建一个整型的数据tf.constant(1)# Out[3]: <tf.Tensor: shape=(), dtype=int32, numpy=1># 注意因为这里的constant就是一个普通的tensor,不要理解为常量了（TF1.0是代表一个常量）# 创建一个浮点类型的数据tf.constant(1.)# Out[4]: <tf.Tensor: shape=(), dtype=float32, numpy=1.0># 若给定一个浮点型的数据，但是指定为int类型会报错tf.constant(2.2,dtype=tf.int32)# TypeError: Cannot convert 2.2 to EagerTensor of dtype int32# 给一数指定双精度tf.constant(2.,dtype=tf.double)# Out[6]: <tf.Tensor: shape=(), dtype=float64, numpy=2.0># 创建bool类型的数据tf.constant([True,False])# Out[7]: <tf.Tensor: shape=(2,), dtype=bool, numpy=array([ True, False])># 创建字符串型数据（很少用）tf.constant("hello,world")# Out[8]: <tf.Tensor: shape=(), dtype=string, numpy=b'hello,world'>

Tensor Property

下面开始介绍Tensor常用的属性

tf.device

import tensorflow as tfwith tf.device("cpu"):    a = tf.constant([1])with tf.device("gpu"):    b = tf.range(6)print(a.device)print(b.device)# 数据在CPU和GPU上的转换aa = a.gpu()print(aa.device)bb = b.cpu()print(bb.device)

输出结果：

/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

转换为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的维度与形状

d = tf.range(10)d.shape# Out[17]: TensorShape([10])d.ndim# Out[18]: 1# 用rank查看tensor的维度（秩）：返回的是一个tensor类型的数据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，现在基本已经淘汰了

python中判断一个数据是不是Tensor

import numpy as npimport tensorflow as tfa = tf.constant(1.)b = tf.constant([True,False])c = tf.constant("hello,world")d = np.arange(4)isinstance(a,tf.Tensor)# Out[27]: Truetf.is_tensor(b)# Out[28]: Truetf.is_tensor(d)# Out[29]: Falsea.dtype,b.dtype,c.dtype,d.dtype# Out[32]: (tf.float32, tf.bool, tf.string, dtype('int32'))a.dtype == tf.float32Out[33]: Truec.dtype == tf.stringOut[34]: True

数据类型的转换

a = np.arange(5)a.dtypeOut[36]: dtype('int32')aa = tf.convert_to_tensor(a)  # numpy数据转化方法为.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)># 用头tf.cast（）数据转化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 与 int 的转化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一样也是Tensor，tf.Variable特指Tensorflow中哪些可以优化的参数，比如自动求导。

tf.Variable可以理解为是专门为神经网络所设立的一个类型。

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.int32b.name# Out[53]: 'Variable:0'b = tf.Variable(a, name = "input_data")b.name# Out[55]: 'input_data:0'b.trainable# Out[56]: Trueisinstance(b,tf.Tensor)# Out[57]: Falseisinstance(b,tf.Variable)# Out[58]: Truetf.is_tensor(b)# Out[59]: Trueb.numpy()# Out[60]: array([0, 1, 2, 3, 4])

将Tensor类型转化为python中的数据类型

a = tf.ones([])# Out[63]: <tf.Tensor: shape=(), dtype=float32, numpy=1.0>a.numpy()# Out[64]: 1.0int(a)# Out[65]: 1float(a)# Out[66]: 1.0

“python怎么获取tensor()数据类型中的值”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注编程网网站，小编将为大家输出更多高质量的实用文章！