认识到好多同伙的进修tensorflow2.0的需求，这里我也总结一下tensorflow的一些根基把持，为快速入门供应便当。接下来会更新系列tensorflow2.0相关的内容，也为人人商议交流这款对象供应一个契机。
对于一个新的模块，最先需要认识的部门就是数据类型。tensorflow的名字其实就已经说明了这种最根基的法式构造：数据+把持。TF的数据类型天然如它的名字所说的是Tensor，即张量。所谓张量就是较量机中就是多维数组。1. 张量的根蒂类型
张量是一个复合类型，也是tensorflow中的根基类型，然则张量的元素的类型是加倍根基的类型。今朝的编程说话也许都是会供应这几种最根基的数据类型，即bool，int，float，double，string。
根蒂类型
上面的演示中前五项都是很天然的，最后两项由numpy数组变换到tensorflow的张量时需要稍加注重。numpy建立数组时默认的浮点型是double，而tf在建立张量时默认是float32。tf在领受numpy数组时会同时接管其元素的数据类型。tf的使用者或者好多都是需要在GPU上运行的法式，而GPU处理float32比处理double要快好多，所以若是对数据精度要求并没有太高的话，最好照样使用单精度的float32，而不是双精度的double。2. Variable是特别的张量
Variable也是tf的使用者常见的一种复合数据类型，一样用于模型中需要在练习过程中进行调整的参数。
Variable
从打印出的Variable情形来看，它比一样的Tensor要多一些属性，并且有本身的零丁类型tf.Variable，看起来并不像是Tensor。然则我们使用tf供应的接口来判断一下发现，Variable也是一种Tensor。3. Variable特别在哪里？
然Variable也只一种Tensor，那么它跟一样Tensor的区别在哪里呢？谜底就鄙人面的演示中。
Variable的特别之处
Variable在初始化之后照样能够点窜其内容的，而且其包含了“trainable”属性，该属性在练习时能够用于判断这个Variable是否需要被调整。而一样的Tensor在初始化之后是不克点窜内容的，若是需要点窜，就只能生成一个新的Tensor。而且一样的Tensor没有“trainable”属性，解说在练习时，是完全不需要在误差反传中进行调整。4. 张量的常用属性
在使用tf的过程中，Tensor的一些属性是经常会用到的，好比外形、维度、元素类型等等。
常用张量属性
除此之外，还有一些，cpu、gpu之类的属性方式，一样不建议使用。因为tf自己就会主动挪用所有可用资源来进行较量，若是设置了对照多的GPU相关参数会使得法式在跨..运行以及代码分享中造成麻烦。
tensorflow的数据类型总体而言跟numpy是非常相似的，有使用numpy经验的同伙完全能够无门槛进入tensorflow的世界。进展本文能为tensorflow2.0的初学者供应一些有效的信息，以节约入门成本。
