tensorflow支持14种不同的类型，主要包括：
-
实数：tf.float32 tf.float64
-
整数：tf.int8 tf.int16 tf.int32 tf.int64 tf.unit8
-
布尔：tf.bool
-
复数：tf.complex64 tf.complex128
1、tf.to_bfloat16函数
将张量强制转换为bfloat16类型。(deprecated)
tf.to_bfloat16(
name='ToBFloat16'
- x:张量或稀疏张量或索引切片。
- name:操作的名称(可选)。
- 一种与bfloat16类型的x形状相同的张量或稀疏张量或索引切片。
可能产生的异常：
TypeError: If x cannot be cast to the bfloat16.
2、tf.to_complex128函数
将张量转换为类型为complex128的张量。(deprecated)
tf.to_complex128(
name='ToComplex128'
警告:不推荐使用此函数。它将在未来的版本中被删除。更新说明:使用tf。演员代替。
- x:张量或稀疏张量或索引切片。
- name:操作的名称(可选)。
- 与x形状相同的张量或稀疏张量或索引切片，类型为complex128。
可能产生的异常：
TypeError: If x cannot be cast to the complex128.
3、tf.to_complex64函数
将张量转换为complex64类型。(deprecated)
tf.to_complex64(
name='ToComplex64'
警告:不推荐使用此函数。它将在未来的版本中被删除。更新说明:使用tf。演员代替。
- x:张量或稀疏张量或索引切片。
- name:操作的名称(可选)。
- 与x形状相同的张量或稀疏张量或索引切片，类型为complex64。
可能产生的异常：
TypeError: If x cannot be cast to the complex64.
4、tf.to_double函数
将张量强制转换为float64类型。(deprecated)
tf.to_double(
name='ToDouble'
警告:不推荐使用此函数。它将在未来的版本中被删除。更新说明:使用tf。演员代替。
- x:张量或稀疏张量或索引切片。
- name:操作的名称(可选)。
- 一种形状与x相同的张量或稀疏张量或索引切片，类型为float64。
可能产生的异常：
TypeError: If x cannot be cast to the float64.
4、tf.to_float函数
将张量强制转换为float32类型。(deprecated)
tf.to_float(
name='ToFloat'
- x:张量或稀疏张量或索引切片。
- name:操作的名称(可选)。
- 一种形状与x相同的张量或稀疏张量或索引切片，类型为float32。
可能产生的异常：
TypeError: If x cannot be cast to the float32.
5、tf.to_int32函数
将张量转换为int32类型。(deprecated)
tf.to_int32(
name='ToInt32'
- x:张量或稀疏张量或索引切片。
- name:操作的名称(可选)。
- 一种与int32类型的x形状相同的张量或稀疏张量或索引切片。
可能产生的异常：
TypeError: If x cannot be cast to the int32.
6、tf.to_int64函数
将张量转换为int64类型。(deprecated)
tf.to_int64(
name='ToInt64'
- x:张量或稀疏张量或索引切片。
- name:操作的名称(可选)。
- 与int64类型的x形状相同的张量或稀疏张量或索引切片。
可能产生的异常：
TypeError: If x cannot be cast to the int64.
tensorflow支持14种不同的类型，主要包括：实数：tf.float32 tf.float64 整数：tf.int8 tf.int16 tf.int32 tf.int64 tf.unit8 布尔：tf.bool 复数：tf.complex64 tf.complex1281、tf.to_bfloat16函数将张量强制转换为bfloat16类型。(depreca...
目录Tensor 是什么TF数据类型Create TensorTensor PropertyCheck Tensor TypeConvert 转换bool inttf.VariableTo numpy
Tensor 是什么
scalar: 1.1
vector: [1.1],[1.1,2.2,...]
matrix: [[1.1,2.2],[3.3,4.4],[5.5,6.6]]
tensor: ...
tensorflow支持14种不同的类型，主要包括：
实数：tf.float32 tf.float64
整数：tf.int8 tf.int16 tf.int32 tf.int64 tf.unit8
布尔：tf.bool
复数：tf.complex64 tf.complex128
1、tf.to_bfloat16函数
将张量强制转换为bfloat16类型。(deprecated)
tf.to_bfloat16(
name='ToBFloat16'
x:张量或稀疏张量或索引切片。
name:操作的名称(可选)。
一种与bfloat16类型的x形状相同的张量或稀
介绍如何使用`TF Lite model maker`库创建TensorFlow Lite模型。我们将在自定义数据集上微调一个预训练的图像分类模型，并进一步探索Tensorflow Lite支持的不同类型的模型优化技术，并将其导出到TF Lite模型。将创建的TF Lite模型与通过Tensorflow Lite 转换的模型进行详细的性能比较，最后将模型部署到web应用中。
博客地址:https://blog.csdn.net/weixin_38346042/article/details/124823920?spm=1001.2014.3001.5501
简健（Levin Jian），2017年6月
是用于对象识别和检测的公共基准数据集。 数据集中大约有17,000张图像（VOC 2007和VOC 2012），并包含20个标记的类，例如人，汽车，猫，瓶子，自行车，绵羊，沙发等。我们开发的检测器可用于确定哪种类型。图像包含的对象以及这些对象的位置。
我们使用的出色工作作为基准。 基准线成功地将原始的SSD检测器从caffe实现转换为tensorflow实现。 我们项目的目标是专注于问题的训练部分。 具体来说，我们将从ImageNET训练的VGG16权重加载到SSD模型的VGG 16部分中，在PASCAL VOC训练数据集上训练SSD模型（VOC 2007 train_eval和VOC 2012 train_eval），并在PASCAL VO
如果你正在读这篇文章，我相信我们有着相似的兴趣，现在/将来也会从事类似的行业。
在这篇文章中，我们将深入研究Tensorflow Tensor的细节。我们将在以下五个简单步骤中介绍与Tensorflow的Tensor中相关的所有主题：
第一步：张量的定义→什么是张量？
第二步：创建张量→创建张量对象的函数
第三步：张量对象的特征
第四步：张量操作→索引、基本张量操作、形状操作、广播
第五步：特殊张
