Tensorflow.js tf.Tensor 类

Tensorflow.js 是谷歌开发的一个开源库，用于在浏览器或节点环境中运行机器学习模型和深度学习神经网络。

一个tf.Tensor对象表示一个不可变的多维数字数组，它具有形状和数据类型。张量是 TensorFlow.js 的核心数据结构，它们是将向量和矩阵推广到潜在的更高维度。

句法：

Tensor(value);

属性：该类具有以下属性：

• rank：它定义了张量包含的维数。
• shape：定义数据每个维度的大小。
• dtype：它定义了张量的数据类型。

返回值：它返回一个带有提供值的张量对象。

下面的示例演示了 Tensor 类及其各种方法。

示例 1：在此示例中，我们将创建一个 Tensor 类并查看 print() 方法的示例。此方法用于打印张量类。

Javascript

// Importing the tensorflow library
import * as tf from "@tensorflow/tfjs"
  
// Creating Tensor with values
let c = tf.tensor([1, 2, 3, 4])
  
// Using the print() method of Tensor class
c.print();

输出：

Tensor
    [[1, 2],
     [3, 4]]

示例 2：在此示例中，我们将看到 Tensor 类的 clone() 方法。 clone() 方法用于复制现有的 Tensor 类。

Javascript

// Importing tensorflow library
import * as tf from "@tensorflow/tfjs"
  
// Creating Tensor class with value and [4, 1] shape
const a = tf.tensor([1, 2, 3, 4],[4,1]);
  
// Using the clone() method on a Tensor
let b = a.clone();
  
// Printing the clone Tensor
b.print();

输出：

Tensor[[1],
       [2],
       [3],
       [4]]

示例 3：在此示例中，我们使用了 Tensor 类的 toString() 方法。该方法用于以人类可读的形式制作张量类数据。

Javascript

// Importing tensorflow library
import * as tf from "@tensorflow/tfjs"
  
// Creating tensor 
const a = tf.tensor([1, 2, 3, 4]);
// Using toStirng() method in Tensor class
let b = a.toString(true);
console.log(b);

示例 4：在此示例中，我们将看到 Tensor 类的 data() 方法。它返回一个 Promise，它在解析中返回张量的值。

Javascript

// Importing tensorflow library
import * as tf from "@tensorflow/tfjs"
  
// Creating tensor 
const a = tf.tensor([1, 2, 3, 4]);
  
// Using data method on Tensor class
let b = a.data();
  
b.then((x)=>console.log(x),
(b)=>console.log("Error while copying"));

输出：

1, 2, 3, 4

示例 5：在此示例中，我们将使用 Tensor 类的 dataSync() 方法。此方法复制张量类的值并返回它们。

Javascript

// Importing tensorflow library
import * as tf from "@tensorflow/tfjs"
  
// Creating tensor 
const a = tf.tensor([1, 2, 3, 4]);
  
// Using the dataSync() method
let b = a.dataSync();
console.log(b);

输出：

1, 2, 3, 4

示例 6：在此示例中，我们将使用 Tensor 类的 buffer() 方法。它返回 tf.TensorBuffer 的 promise，它保存着底层数据的数据。

Javascript

// Importing tensorflow library 
import * as tf from "@tensorflow/tfjs"
  
// Creating tensor 
const a = tf.tensor([1, 2, 3, 4]);
  
// Using the buffer() method on Tensor class
let b = a.buffer();
  
// Printing result of Promise 
 b.then((x)=>console.log(x),
 (b)=>console.log("Error while copying") );

输出：

TensorBuffer {
    dtype:"float32",
    shape:(1) [4],
    size:4,
    values:1,2,3,4,
    strides:(0) [ ]
}

示例 7：在此示例中，我们将使用 bufferSync() 方法。它返回一个保存底层数据的 tf.TensorBuffer。

Javascript

// Importing tensorflow library 
import * as tf from "@tensorflow/tfjs"
// Creating tensor 
const a = tf.tensor([1, 2, 3, 4]);
// Using bufferSync method on Tensor class
let b = a.bufferSync();
  
 console.log(b);

输出：

TensorBuffer {
dtype:"float32",
shape:(1) [4],
size:4,
values:1,2,3,4,
strides:(0) []
}

示例 8：在此示例中，我们将使用 Tensor 类的 array() 方法。它以嵌套数组的形式返回张量数据的 Promise。

Javascript

// Importing tensorflow library 
import * as tf from "@tensorflow/tfjs"
  
// Creating tensor 
const a = tf.tensor([1, 2, 3, 4]);
  
// Using the array() method on Tensor class
let b = a.array();
  
// Printing result of Promise
b.then((x)=>console.log(x),
(b)=>console.log("Error while copying"));

输出：

[1, 2, 3, 4]

例 9：在这个例子中，我们将使用 Tensor 类的 arraySync() 方法。它以嵌套形式返回张量数据。

Javascript

// Importing tensorflow library 
import * as tf from "@tensorflow/tfjs"
  
// Creating tensor 
const a = tf.tensor([1, 2, 3, 4]);
  
// Using the arraySync() method on Tensor class
let b = a.arraySync();
  
console.log(b);

输出：

[1, 2, 3, 4]

示例 10：在本示例中，我们将使用 Tensor 类的 dispose() 方法。它从内存中处理 tf.Tensor。

Javascript

// Importing tensorflow library 
import * as tf from "@tensorflow/tfjs"
  
// Creating tensor 
const b = tf.tensor([1, 2, 3, 4]);
  
// Using the dispose() method on Tensor class
b.dispose();
b.print();

输出：

Tensor is disposed.