TensorFlow张量与变量基础：定义、属性及操作详解

季宁

发布时间：2026-10-14| 4人浏览过

原创

本文详解TensorFlow中张量与变量的核心概念。涵盖标量、向量、矩阵定义，介绍常数、随机张量创建方法，演示类型转换与形状重塑操作。同时阐述变量的定义、初始化及会话执行流程，帮助开发者掌握基础数据结构与操作。

一、张量定义

在TensorFlow框架中，张量（Tensor）本质上是n维数组，其数据类型为tf.Tensor。它是存储和传输数据的基本单元。

标量是指一个单独的数字，对应于0阶张量。

向量是一维数组，对应于1阶张量。

矩阵是二维数组，对应于2阶张量。

二、张量属性

1、张量的类型


#创建常数张量
    a = tf.constant(3.0)    
    print(a)

2、张量的阶

三、张量的指令

1、常数张量（普通）


#创建常数张量
    a = tf.constant(3.0)    
    print(a)

2、张量数组

1、固定张量数组（0）


#创建张量数组
    #0：
    array_0 = tf.zeros(shape=[3,3])    #3*3数组（0）

2、固定张量数组（1）


#1：
    array_1 = tf.ones(shape=[3,3])     #3*3数组（1）

3、随机张量数组


#随机：
    array_random = tf.random_normal(shape=[2,3], mean=1.75, stddev=0.12)
#                                   2*3数组      均值(1.75) 标准差

3、查看张量值

查看张量值：通过调用张量的.eval()方法实现。


#会话（查看张量）
    with tf.Session() as sess:
        print(a.eval())
        print(array_0.eval())
        print(array_1.eval())
        print(array_random.eval())

4、张量类型改变


#修改张量类型
    array_0 = tf.cast(array_0, tf.int32)

5、张量形状改变

注：属于动态改变张量，需要张量元素个数固定。


#修改张量形状
    array_random = tf.reshape(array_random, shape=[3,2])

修改前：

修改后：

代码


# 张量（创建与修改）
import tensorflow as tf
# 创建张量
def Create_Tensor():
    # 创建常数张量
    a = tf.constant(3.0)
    print(a)
 
    # 创建张量数组
    # 0：
    array_0 = tf.zeros(shape=[3, 3])  # 3*3数组（0）
 
    # 1：
    array_1 = tf.ones(shape=[3, 3])  # 3*3数组（1）
 
    # 随机：
    array_random = tf.random_normal(shape=[2, 3], mean=1.75, stddev=0.12)
    #                                   2*3数组      均值(1.75) 标准差
 
    # 会话（查看张量）
    with tf.Session() as sess:
        print(a.eval())
        print(array_0.eval())
        print(array_1.eval())
        print(array_random.eval()) 
# 修改张量
def Modify_Tensor():
    global array_0, array_random
    print('修改后的：')
 
    # 修改张量类型
    array_0 = tf.cast(array_0, tf.int32)
 
    # 修改张量形状
    array_random = tf.reshape(array_random, shape=[3, 2])
 
    # 会话（查看张量）
    with tf.Session() as sess:
        print(array_0.eval())
        print(array_random.eval())
 
# 创建张量
Create_Tensor()
# 修改张量
Modify_Tensor()

四、变量

1、定义变量


# 定义变量
a = tf.Variable(initial_value=2)
b = tf.Variable(initial_value=4)
c = tf.add(a,b)

2、初始化变量

TensorFlow的变量必须经过初始化步骤，否则程序会报错。


# 初始化变量
init = tf.global_variables_initializer()

3、开启会话（执行）


# 开启会话
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(c))

代码


# 变量
import tensorflow as tf
 
# 定义变量
a = tf.Variable(initial_value=2)
b = tf.Variable(initial_value=4)
c = tf.add(a,b)
 
# 初始化变量
init = tf.global_variables_initializer()
 
# 开启会话
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(c))

以上就是TensorFlow神经网络学习之张量与变量概念的详细内容，更多关于TensorFlow的资料请关注本站其它相关文章！