目录

• Tensorflow Notebook
  • 基础知识
    • 张量(tensor)
  • 安装Tensorflow
  • 保存模型
  • Tensorflow Core v2.6.0
  • 参考

---

Tensorflow Notebook

基础知识

张量(tensor)

参考: 张量简介

张量是具有统一类型（称为 dtype）的多维数组。

标量为”0秩”张量,向量为”1秩”张量, 矩阵为”2秩”张量

# 标量
rank_0_tensor = tf.constant(4)
# 向量
rank_1_tensor = tf.constant([2.0, 3.0, 4.0])

# 矩阵
rank_2_tensor = tf.constant([[1, 2],
                             [3, 4],
                             [5, 6]], dtype=tf.float16)

张量转换为numpy数组:

# [1]
numpy.array(tensor)
# [2]
tensor.numpy()

特殊类型张量:

• 不规则张量
• 稀疏张量

张量的基本数学运算

a = tf.constant([[1, 2],
                 [3, 4]])
b = tf.constant([[1, 1],
                 [1, 1]]) # Could have also said `tf.ones([2,2])`

# 元素加
a + b # tf.add(a, b)
# 元素减
a - b # tf.subtract(a, b)
# 元素乘
a * b # tf.multiply(a, b)
# 矩阵乘
a @ b # tf.matmul(a, b)

张量相关的几个术语

• 形状(Tensor.shape)
• 秩(tensorflow.rank)
• 轴/维度(Tensor.ndim)
• 大小(tensorflow.size): 张量的总项数，即乘积形状向量

典型轴顺序

安装Tensorflow

• 确认已安装Anaconda
• 确认已配置国内镜像源
• 创建虚拟环境并安装tensorflow

  conda create -n tf tensorflow
  

保存模型

参考: 训练检查点

Tensorflow Core v2.6.0

• tf
  • keras
    • optimizers
  • train
    • tf.train.Checkpoint: 保存和恢复检查点

参考

• Tensorflow 指南
• github