tf.tensor

2025年02月11日

柏拉文

越努力，越幸运

一、认识

---

在 TensorFlow 中，Tensor（张量）是数据的基本单位，可以理解为多维数组。它类似于 NumPy 的 ndarray，但与 NumPy 数组相比，Tensor 具有以下特点：

1. 支持 GPU/TPU 加速：Tensor 可以在 CPU、GPU 或 TPU 上运行，提高计算效率。

2. 不可变性（Immutable）：Tensor 是不可变的，一旦创建，就无法修改其内容（但可以创建新的 Tensor）。

3. 自动微分：TensorFlow 通过 tf.GradientTape 记录计算过程，以支持自动求导。

二、语法

---

tf.tensor(values, shape?, dtype?)

三、用法

---

2.1 创建张量

const tf = require("@tensorflow/tfjs");

// 创建一个标量张量（单个数值）
const t0 = tf.tensor(1);
// 打印张量 t0 的值
t0.print();
console.log("t0", t0);

// 创建一个一维张量（数组）
const t1 = tf.tensor([1, 2, 3, 4]);
// 打印张量 t1 的值
t1.print();
console.log("t1", t1);

// 创建一个二维张量（矩阵）
const t2 = tf.tensor([
  [1, 2],
  [3, 4],
  [5, 6],
]);
// 打印张量 t2 的值
t2.print();
console.log("t2", t2);

// 创建一个三维张量
const t3 = tf.tensor([
  [
    [1, 2],
    [3, 4],
  ],
  [
    [5, 6],
    [7, 8],
  ],
]);
// 打印张量 t3 的值
t3.print();
console.log("t3", t3);

2.2 张量运算

const x = tf.tensor([1, 2, 3]);
const y = tf.tensor([4, 5, 6]);

x.add(y).print(); // [5, 7, 9]
x.mul(y).print(); // [4, 10, 18]
x.sub(y).print(); // [-3, -3, -3]
x.div(y).print(); // [0.25, 0.4, 0.5]

x.sum().print(); // 1 + 2 + 3 = 6
x.mean().print(); // (1 + 2 + 3) / 3 = 2