主頁 > 知識(shí)庫 > tensorflow中的數(shù)據(jù)類型dtype用法說明

tensorflow中的數(shù)據(jù)類型dtype用法說明

熱門標(biāo)簽:電銷機(jī)器人的風(fēng)險(xiǎn) 河北防封卡電銷卡 開封語音外呼系統(tǒng)代理商 手機(jī)網(wǎng)頁嵌入地圖標(biāo)注位置 天津電話機(jī)器人公司 400電話辦理哪種 開封自動(dòng)外呼系統(tǒng)怎么收費(fèi) 應(yīng)電話機(jī)器人打電話違法嗎 地圖標(biāo)注線上如何操作

Tensorflow中,主要有以下幾種數(shù)據(jù)類型(dtype),在舊版本中,不用加tf也能使用。

有符號(hào)整型

tf.int8:8位整數(shù)。

tf.int16:16位整數(shù)。

tf.int32:32位整數(shù)。

tf.int64:64位整數(shù)。

無符號(hào)整型

tf.uint8:8位無符號(hào)整數(shù)。

tf.uint16:16位無符號(hào)整數(shù)。

浮點(diǎn)型

tf.float16:16位浮點(diǎn)數(shù)。

tf.float32:32位浮點(diǎn)數(shù)。

tf.float64:64位浮點(diǎn)數(shù)。

tf.double:等同于tf.float64。

字符串型

tf.string:字符串。

布爾型

tf.bool:布爾型。

復(fù)數(shù)型

tf.complex64:64位復(fù)數(shù)。

tf.complex128:128位復(fù)數(shù)。

補(bǔ)充:tensorflow及numpy的數(shù)據(jù)類型對(duì)象Dtype總結(jié)

1.dtyte與astype

dtype:查看數(shù)據(jù)類型

astype:轉(zhuǎn)換數(shù)據(jù)類型

2.tensorlow數(shù)據(jù)類型對(duì)象Dtype

名稱 描述
tf.float16 16位半精度浮點(diǎn)
tf.float32 32位單精度浮點(diǎn)
tf.float64 64位雙精度浮點(diǎn)
tf.bfloat16 16位截?cái)喔↑c(diǎn)
tf.complex64 64位單精度復(fù)數(shù)
tf.complex128 128位雙精度復(fù)數(shù)
tf.int8 8位有符號(hào)整數(shù)
tf.uint8 8位無符號(hào)整數(shù)
tf.uint16 16位無符號(hào)整數(shù)
tf.int16 16位有符號(hào)整數(shù)
tf.int32 32位有符號(hào)整數(shù)
tf.int64 64位有符號(hào)整數(shù)
tf.bool 布爾值
tf.string 字符串
tf.qint8 量化的8位帶符號(hào)整數(shù)
tf.quint8 量化的8位無符號(hào)整數(shù)
tf.qint16 量化的16位有符號(hào)整數(shù)
tf.quint16 量化的16位無符號(hào)整數(shù)
tf.qint32 量化的32位有符號(hào)整數(shù)

tf.as_dtype()函數(shù)將numpy類型和字符串類型名稱轉(zhuǎn)換為DType對(duì)象。

3.numpy數(shù)據(jù)類型對(duì)象dtype

名稱 描述
np.bool_ 布爾型數(shù)據(jù)類型
np.int_ 默認(rèn)的整數(shù)類型
np.intc 與 C 的 int 類型一樣,一般是 int32 或 int 64
np.intp 用于索引的整數(shù)類型,一般是 int32 或 int64
np.int8 8位整數(shù)即1字節(jié)(-128 to 127)
np.int16 16位整數(shù)(-32768 to 32767)
np.int32 32位整數(shù)(-2147483648 to 2147483647)
np.int64 64位整數(shù)(-9223372036854775808 to 9223372036854775807)
np.uint8 8位無符號(hào)整數(shù)(0 to 255)
np.uint16 16位無符號(hào)整數(shù)(0 to 65535)
np.uint32 32位無符號(hào)整數(shù)(0 to 4294967295)
np.uint64 64位無符號(hào)整數(shù)(0 to 18446744073709551615)
np.float_ float64 簡寫,即64位雙精度浮點(diǎn)數(shù)
np.float16 16位半精度浮點(diǎn)數(shù),包括:1 個(gè)符號(hào)位,5 個(gè)指數(shù)位,10 個(gè)尾數(shù)位
np.float32 32位 單精度浮點(diǎn)數(shù),包括:1 個(gè)符號(hào)位,8 個(gè)指數(shù)位,23 個(gè)尾數(shù)位
np.float64 64位雙精度浮點(diǎn)數(shù),包括:1 個(gè)符號(hào)位,11 個(gè)指數(shù)位,52 個(gè)尾數(shù)位
np.complex_ complex128 簡寫,即 128 位復(fù)數(shù)
np.complex64 復(fù)數(shù),表示雙 32 位浮點(diǎn)數(shù)(實(shí)數(shù)部分和虛數(shù)部分)
np.complex128 復(fù)數(shù),表示雙 64 位浮點(diǎn)數(shù)(實(shí)數(shù)部分和虛數(shù)部分)

以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。

您可能感興趣的文章:
  • 教你使用TensorFlow2識(shí)別驗(yàn)證碼
  • pytorch_pretrained_bert如何將tensorflow模型轉(zhuǎn)化為pytorch模型
  • TensorFlow中tf.batch_matmul()的用法
  • Tensorflow與RNN、雙向LSTM等的踩坑記錄及解決
  • tensorflow基本操作小白快速構(gòu)建線性回歸和分類模型

標(biāo)簽:蘭州 宿遷 成都 駐馬店 山東 六盤水 常州 江蘇

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《tensorflow中的數(shù)據(jù)類型dtype用法說明》,本文關(guān)鍵詞  tensorflow,中的,數(shù)據(jù),類型,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們,我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《tensorflow中的數(shù)據(jù)類型dtype用法說明》相關(guān)的同類信息!
  • 本頁收集關(guān)于tensorflow中的數(shù)據(jù)類型dtype用法說明的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章