深度学习框架TensorFlow.NET之数据类型及张量2（C#）-CSDN博客

阿里云国内75折 回扣 微信号：monov8
阿里云国际，腾讯云国际，低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号：monov8 飞机：@monov6

环境搭建参考

深度学习框架TensorFlow.NET环境搭建1C#-CSDN博客

由于本文作者水平有限如有写得不对的地方往指出

声明变量tf.Variable

声明常量tf.constant

下面通过代码的方式进行学习

一  数据类型学习

1.1  数据类型输出及运算(包括变量及常量的声明及操作)

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using static Tensorflow.Binding;
using Tensorflow;

namespace TensorFlowNetDemo
{
    class Program
    {
        static void Main(string[] args)
        {
            ResourceVariable intVar = tf.Variable<int>(10, name: "int变量");
            ResourceVariable floatVar = tf.Variable<float>(1.2f, name: "float变量");
            //字符串的值不能出现中文不然会报错
            ResourceVariable strVar = tf.Variable<string>("Hello World", name: "字符串变量");
            ResourceVariable boolVar = tf.Variable<bool>(false, name: "bool变量");
            Tensor number1 = tf.constant(2,name:"常量2名称");
            Tensor number2 = tf.constant(3,name:"常量2名称");
            Tensor addResult = tf.add(number1, number2);
            Tensor addResult2= tf.add(intVar, number1);
            Tensor addResult3 = tf.add(intVar.numpy(), number1);    //int类型和int类型相加正常
            //Tensor addResult4 = tf.add(floatVar, number1);  float类型和int类型相加会报错
            Console.WriteLine("intVar数值为:" + intVar.numpy()+ " 变量名为:"+intVar.Name);
            
            Console.WriteLine("floatVar数值为:" + floatVar.numpy() + " 变量名为:" + floatVar.Name);
            Console.WriteLine("strVar数值为:" + strVar.numpy() + " 变量名为:" + strVar.Name);
            Console.WriteLine("boolVar数值为:" + boolVar.numpy() + " 变量名为:" + boolVar.Name);
            Console.WriteLine("addResult数值为:" + addResult.numpy());
            Console.WriteLine("addResult2数值为:" + addResult2.numpy());
            Console.WriteLine("addResult3数值为:" + addResult3.numpy());
            
            Console.Read();
        }
    }
}

通过tf.Variable<int>(10, name: "int变量")声明了一个值为10名为'int变量'的整形变量

通过tf.Variable<string>("Hello World", name: "字符串变量")声明了一个值为Hello World,名为'字符串变量'的字符串变量注意字符串的值不能出现中文不然会报错

其它的数据类型的声明方式类似

通过tf.constant(2,name:"常量2名称")声明了一个值为2名为'常量2名称'的整型常量

注意tf.add相加函数对应的两个参数的数据类型必须要保持一致不然会报错。

如tf.add(number1, number2)是对number1和number2的值相加可以相加都是int类型

       tf.add(floatVar, number1)不能相加因为floatVar是float类型而number2是int类型

程序运行的结果如下图

1.2  数据类型输入

代码如下

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using static Tensorflow.Binding;
using Tensorflow;

namespace TensorFlowNetDemo
{
    class Program
    {
        static void Main(string[] args)
        {
            ResourceVariable intVar = tf.Variable<int>(10, name: "int变量");
            ResourceVariable floatVar = tf.Variable<float>(1.2f, name: "float变量");
            //字符串的值不能出现中文不然会报错
            ResourceVariable strVar = tf.Variable<string>("Hello World", name: "字符串变量");
            ResourceVariable boolVar = tf.Variable<bool>(false, name: "bool变量");
            Tensor number1 = tf.constant(2,name:"常量2名称");
            Tensor number2 = tf.constant(3,name:"常量2名称");
            Tensor addResult = tf.add(number1, number2);
            Tensor addResult2= tf.add(intVar, number1);
            Tensor addResult3 = tf.add(intVar.numpy(), number1);    //int类型和int类型相加正常
            //Tensor addResult4 = tf.add(floatVar, number1);  float类型和int类型相加会报错
           


            Console.WriteLine("intVar的数据类型为:" + intVar.dtype);
            Console.WriteLine("floatVar的数据类型为:" + floatVar.dtype);
            Console.WriteLine("strVar的数据类型为:" + strVar.dtype);
            Console.WriteLine("boolVar的数据类型为:" + boolVar.dtype);
            Console.WriteLine("addResult的数据类型为:" + addResult.dtype);


            //当然也可以使用print进行输出
            print("使用print函数输出intVar数值为:" + intVar.numpy() + " 变量名为:" + intVar.Name);


            Console.Read();
        }
    }
}

变量或者标量的dtype属性标识该变量或者标量的数据类型

程序运行结果如下

1.3  声明二维数组变量

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using static Tensorflow.Binding;
using Tensorflow;

namespace TensorFlowNetDemo
{
    class Program
    {
        static void Main(string[] args)
        {
            //使用变量声明一维数组,2行4列的一维数组
            ResourceVariable array = tf.Variable(new[,] { { 1, 2, 3, 4 }, { 5, 6, 7, 8 } });
            Console.WriteLine("二维数组输出为:" + array.numpy());
            Console.WriteLine("二维数组的数据类型为:" + array.dtype);
            Console.Read();
        }
    }
}

代码中声明了一个2行4列的二维数组

代码运行结果如下

1.4  形状输出

代码如下

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using static Tensorflow.Binding;
using Tensorflow;

namespace TensorFlowNetDemo
{
    class Program
    {
        static void Main(string[] args)
        {
            ResourceVariable intVar = tf.Variable<int>(10, name: "int变量");
            Tensor number1 = tf.constant(2, name: "常量2名称");
            Tensor number2 = tf.constant(3, name: "常量2名称");
            Tensor addResult = tf.add(number1, number2);
            //使用变量声明一维数组,2行4列的二维数组
            ResourceVariable array = tf.Variable(new[,] { { 1, 2, 3, 4 }, { 5, 6, 7, 8 } });

            //shape输出
            Console.WriteLine("intVar的shape输出:" + intVar.shape);
            Console.WriteLine("addResult的shape输出:" + intVar.shape);
            Console.WriteLine("二维数据的shape为:" + array.shape);
            Console.Read();
        }
    }
}

输出结果如下

二   张量

TensorFlow中数据的基本单位为张量前面例子中我们操作的变量或者常量都是属于张量的一种我们可以使用张量表示标量(0维度数组)、向量(1维数组)、矩阵(2维数组)、RBG图像(3维数组)、视频(4维数组多了时间维度)等n维数组

2.1  各个维度的张量表示方式

2.1.1  标量(0维数组)的张量表示如下

ResourceVariable intVar = tf.Variable<int>(10, name: "int变量");
Tensor number1 = tf.constant(2, name: "常量2名称");

2.1.2 向量(1维的数组)的张量表示如下

ResourceVariable var1 = tf.Variable(new[]{1,2,3});
Tensor var2 = tf.constant(new[] { 2,3,4 });

2.1.3  矩阵(2维数组)的张量表示如下

ResourceVariable array = tf.Variable(new[,] { { 1, 2, 3, 4 }, { 5, 6, 7, 8 } });

2.1.4  RGB图像(3维数组)的张量表示如下

ResourceVariable array1 = tf.Variable(new[,,] { { { 1, 2, 3, 4 }, { 5, 6, 7, 8 } } , {{ 11, 22, 33, 4 }, { 55, 66, 77, 88 } } });

4维度的就偷个懒就不写了类似

2.2  可以通过张量的shape属性获取张量形状、dtype属性获取张量数据类型方法numpy获取张量的值代码例子如下

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using static Tensorflow.Binding;
using Tensorflow;

namespace TensorFlowNetDemo
{
    class Program
    {
        static void Main(string[] args)
        {
            ResourceVariable intVar0 = tf.Variable<int>(10, name: "int变量");
            ResourceVariable array1 = tf.Variable(new[] { 1, 2, 3, 4 });
            //使用变量声明一维数组,2行4列的二维数组
            ResourceVariable array2 = tf.Variable(new[,] { { 1, 2, 3, 4 }, { 5, 6, 7, 8 } });
            ResourceVariable array3 = tf.Variable(new[,,] { { { 1, 2, 3, 4 }, { 5, 6, 7, 8 } } , {{ 11, 22, 33, 4 }, { 55, 66, 77, 88 } } });

            Console.WriteLine("0维张量的形状为:"+ intVar0.shape+"  数据类型为:"+ intVar0.dtype+" 值为:"+ intVar0.numpy());
            Console.WriteLine("1维张量的形状为:" + array1.shape + "  数据类型为:" + array1.dtype + " 值为:" + array1.numpy());
            Console.WriteLine("2维张量的形状为:" + array2.shape + "  数据类型为:" + array2.dtype + " 值为:" + array2.numpy());
            Console.WriteLine("3维张量的形状为:" + array3.shape + "  数据类型为:" + array3.dtype + " 值为:" + array3.numpy());


            Console.Read();
        }
    }
}

运行结果如下

好了本文内容到此结束

阿里云国内75折 回扣 微信号：monov8
阿里云国际，腾讯云国际，低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号：monov8 飞机：@monov6
返回列表

上一篇：java入门-JDK下载与安装-CSDN博客

下一篇：MATLAB

“深度学习框架TensorFlow.NET之数据类型及张量2（C#）-CSDN博客” 的相关文章

4.6 QR分解二：Householder变换1年前 (2023-02-02)
用各种思路实现五个接口的编写1年前 (2023-02-02)
（六）elasticsearch 源码之选主流程分析1年前 (2023-02-02)
SpringBoot Wiki项目部署记录1年前 (2023-02-02)
我三十岁，在某公司1年前 (2023-02-02)
我总结了写出高质量代码的12条建议1年前 (2023-02-02)
IDEA性能优化设置（解决卡顿问题）1年前 (2023-02-02)
学习ASP.NET Core Blazor编程系列二十二——登录（1）1年前 (2023-02-02)
【前沿技术RPA】 一文了解UiPath 文件与文件夹自动化功能_uipath 获取下载的文件1年前 (2023-02-02)
TCP/IP网络编程（1）——理解网络编程和套接字编程1年前 (2023-02-02)

阿里云国际版