张量的取值函数

求张量的平均值: tf.reduce.mean(%张量名%)

求张量的最小值:tf.reduce_min(%张量名%)

求张量的最大值:tf.reduce_max(%张量名%)

求张量的和:tf.reduce_sum(%张量名%)

其次,对于上述所有操作 都可在函数后添加一个新的参数 axis=%维度%
axis=0 代表第一维度 axis=1 代表第二维度 以此类推

张量的四则运算

加减乘除

次方/开方

特别注意 这里张量的各种运算是不改变形状的 并不是矩阵直接的乘法
而是每个元素在对应位置的运算 不改变张量的shape

例如 tf.square([[3 3 3]]) = [[9 9 9]]

矩阵乘法

3x2矩阵 X 2x3矩阵 = 3x3矩阵

张量的特征值与标签配对

定义features为二阶矩阵 代表了一个特征值
定义labels也为二阶矩阵 代表了一个标签
使用tf.data.Dataset.from_tensor_slices( (%特征值%,%标签%) )进行配对
再对dataset进行打印操作 可发现特征值与标签已完成了一一配对