Tensor是Tensorflow中重要的对象。下面是Tensor的常用方法，后面还会写一篇随笔记录Variable的用法。

 

　　1. 生成一个（常）Tensor对象

>>>A = tf.constant(4)
>>>B = tf.constant([[1, 2], [3, 4]))
>>>A
<tf.Tensor: id=76, shape=(), dtype=int32, numpy=4>
>>>B
<tf.Tensor: id=77, shape=(2, 2), dtype=int32, numpy=
array([[1, 2],
       [3, 4]], dtype=int32)>

　　Tensor对象和ndarray对象看起来很像但也有差别，一个最大的差别是Tensor是不可变的（immutable）。这意味着你永远也无法随心所欲的对Tensor进行赋值，只能新创建一个新的Tensor。

 

　　2. 和Ndarray的互相转换

>>>B.numpy()
array([[1, 2],
       [3, 4]], dtype=int32)
>>>np.array(B)
array([[1, 2],
       [3, 4]], dtype=int32)
>>>D = np.array([[1, 2], [3, 4]])
>>>tf.convert_to_tensor(D, dtype='int32')
<tf.Tensor: id=79, shape=(2, 2), dtype=int32, numpy=
array([[1, 2],
       [3, 4]], dtype=int32)>

　　Tensorflow2引入了叫做Eager execution的机制，让Tensor和ndarray具有一样的运算灵活性。除了以上的转换方式之外，任意的Tensorflow操作都可以生成（返回）Tensor对象。

 

　　3. 矩阵运算

>>>a = tf.constant([[1, 2],
                 [3, 4]])
>>>b = tf.constant([[1, 1],
                 [1, 1]]) # Could have also said `tf.ones([2,2])`
>>>print(tf.add(a, b), "\n")
tf.Tensor(
[[2 3]
 [4 5]], shape=(2, 2), dtype=int32) 
>>>print(tf.multiply(a, b), "\n")
tf.Tensor(
[[1 2]
 [3 4]], shape=(2, 2), dtype=int32)
>>>print(tf.matmul(a, b), "\n")
tf.Tensor(
[[3 3]
 [7 7]], shape=(2, 2), dtype=int32) 

　　以上三个操作返回的都是Tensor对象，同时这三个操作可以使用'+', '*', '@'代替。

 

　　4. 三种常用的操作

>>>c = tf.constant([[4.0, 5.0], [10.0, 1.0]])
>>>print(tf.reduce_max(c)) # Find the largest value
tf.Tensor(10.0, shape=(), dtype=float32)
>>>print(tf.argmax(c)) # Find the index of the largest value
tf.Tensor([1 0], shape=(2,), dtype=int64)
>>>print(tf.nn.softmax(c)) # # Compute the softmax
tf.Tensor(
[[2.6894143e-01 7.3105860e-01]
 [9.9987662e-01 1.2339458e-04]], shape=(2, 2), dtype=float32)

　　三种看名字就能看出功能的操作，其中tf.reduce_XX()是tensorflow中降维的操作。类似的操作：'reduce_all', 'reduce_any', 'reduce_logsumexp', 'reduce_max', 'reduce_mean', 'reduce_min', 'reduce_prod', 'reduce_sum'。

　　

 　　5. Dtype转换　　

>>>the_f64_tensor = tf.constant([2.2, 3.3, 4.4], dtype=tf.float64)
>>>the_f16_tensor = tf.cast(the_f64_tensor, dtype=tf.float16)
# Now, let's cast to an uint8 and lose the decimal precision
>>>the_u8_tensor = tf.cast(the_f16_tensor, dtype=tf.uint8) 
>>>print(the_u8_tensor)
tf.Tensor([2 3 4], shape=(3,), dtype=uint8)

　　numpy中可以使用astype()来进行转换，Tensorflow中则使用tf.cast()方法来转化不同数据类型的Tensor。

 　　

　　6. 广播操作

　　Tensor的广播操作和numpy中基本完全一样，机制可以看这篇文章：https://jakevdp.github.io/PythonDataScienceHandbook/02.05-computation-on-arrays-broadcasting.html