做网站排行,平台创建,中信建设有限责任公司张晞,如何建立和设计公司网站作文安装Miniconda
下载对应系统版本的Miniconda。我的系统是ubuntu#xff0c;所以选择Miniconda3 Linux 64-bit。下载后执行下载的sh脚本
sh Miniconda3-latest-Linux-x86_64.sh -b执行后#xff0c;运行conda初始化命令
~/miniconda3/bin/conda init关闭当前命令终端#…安装Miniconda
下载对应系统版本的Miniconda。我的系统是ubuntu所以选择Miniconda3 Linux 64-bit。下载后执行下载的sh脚本
sh Miniconda3-latest-Linux-x86_64.sh -b执行后运行conda初始化命令
~/miniconda3/bin/conda init关闭当前命令终端打开新的终端创建一个新的环境
conda create --name tensorflow python3.9 -y激活tensorflow环境
conda activate tensorflow安装tensorflow
pip install tensorflow2.8.0
pip install tensorflow-probability0.16.0基本数据操作
导入tensorflow创建一个行向量x包含以0开始的前12个整数默认创建的为整数。
import tensorflow as tfx tf.range(12)# 可以通过shape属性来访问张量的形状
x.shape# 获取张量中元素总数
tf.size(x)
# tf.Tensor(12, shape(), dtypeint32)# 改变张量的形状不改变元素数量和元素值
x tf.reshape(x, (3, 4))输出x
tf.Tensor(
[[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11]], shape(3, 4), dtypeint32)
# 创建全0张量形状为2,3,4
tf.zeros((2, 3, 4))tf.Tensor(
[[[0. 0. 0. 0.][0. 0. 0. 0.][0. 0. 0. 0.]][[0. 0. 0. 0.][0. 0. 0. 0.][0. 0. 0. 0.]]], shape(2, 3, 4), dtypefloat32)
# 创建全1张量形状为(2, 3, 4)
tf.ones((2, 3, 4))tf.Tensor(
[[[1. 1. 1. 1.][1. 1. 1. 1.][1. 1. 1. 1.]][[1. 1. 1. 1.][1. 1. 1. 1.][1. 1. 1. 1.]]], shape(2, 3, 4), dtypefloat32)
# 创建形状为(34)的张量每个元素都从均值为0、标准差为1的标准高斯分布中随机采样
tf.random.normal(shape[3, 4])tf.Tensor(
[[-0.09441569 0.38432765 0.14562869 -1.4273915 ][-1.2483802 -0.5629799 0.61917394 0.95960045][-0.23416954 0.78880084 0.5428484 0.5864796 ]], shape(3, 4), dtypefloat32)
# 创建包含数值的Python列表为所需张量中的每个元素赋予确定的值。
tf.constant([[2, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]])tf.Tensor(
[[2 1 4 3][1 2 3 4][4 3 2 1]], shape(3, 4), dtypeint32)运算符
# 张量的基本运算符(、-、/、**)
x tf.constant([1.0, 2, 4, 8])
y tf.constant([2.0, 2, 2, 2])
x y, x - y, x * y, x / y, x ** y # **运算符是求幂运算tf.Tensor([ 3. 4. 6. 10.], shape(4,), dtypefloat32)
tf.Tensor([-1. 0. 2. 6.], shape(4,), dtypefloat32)
tf.Tensor([ 2. 4. 8. 16.], shape(4,), dtypefloat32)
tf.Tensor([0.5 1. 2. 4. ], shape(4,), dtypefloat32)
tf.Tensor([ 1. 4. 16. 64.], shape(4,), dtypefloat32)
# “按元素”方式可以应用更多的计算包括像求幂这样的一元运算符。
tf.exp(x)tf.Tensor([2.7182817e00 7.3890562e00 5.4598148e01 2.9809580e03], shape(4,), dtypefloat32)
# 多个张量连结在一起
X tf.reshape(tf.range(12, dtypetf.float32), (3, 4))
Y tf.constant([[2.0, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]])
tf.concat([X, Y], axis0), tf.concat([X, Y], axis1)tf.Tensor(
[[ 0. 1. 2. 3.][ 4. 5. 6. 7.][ 8. 9. 10. 11.][ 2. 1. 4. 3.][ 1. 2. 3. 4.][ 4. 3. 2. 1.]], shape(6, 4), dtypefloat32) tf.Tensor(
[[ 0. 1. 2. 3. 2. 1. 4. 3.][ 4. 5. 6. 7. 1. 2. 3. 4.][ 8. 9. 10. 11. 4. 3. 2. 1.]], shape(3, 8), dtypefloat32)
# 通过逻辑运算符构建二元张量
X Ytf.Tensor(
[[False True False True][False False False False][False False False False]], shape(3, 4), dtypebool)
