Tensorflow中,主要有以下几种数据类型(dtype),在旧版本中,不用加tf也能使用。
有符号整型
tf.int8:8位整数。
tf.int16:16位整数。
tf.int32:32位整数。
tf.int64:64位整数。
无符号整型
tf.uint8:8位无符号整数。
tf.uint16:16位无符号整数。
浮点型
tf.float16:16位浮点数。
tf.float32:32位浮点数。
tf.float64:64位浮点数。
tf.double:等同于tf.float64。
字符串型
tf.string:字符串。
布尔型
tf.bool:布尔型。
复数型
tf.complex64:64位复数。
tf.complex128:128位复数。
补充:tensorflow及numpy的数据类型对象Dtype总结
1.dtyte与astype
dtype:查看数据类型
astype:转换数据类型
2.tensorlow数据类型对象Dtype
名称 | 描述 |
---|---|
tf.float16 | 16位半精度浮点 |
tf.float32 | 32位单精度浮点 |
tf.float64 | 64位双精度浮点 |
tf.bfloat16 | 16位截断浮点 |
tf.complex64 | 64位单精度复数 |
tf.complex128 | 128位双精度复数 |
tf.int8 | 8位有符号整数 |
tf.uint8 | 8位无符号整数 |
tf.uint16 | 16位无符号整数 |
tf.int16 | 16位有符号整数 |
tf.int32 | 32位有符号整数 |
tf.int64 | 64位有符号整数 |
tf.bool | 布尔值 |
tf.string | 字符串 |
tf.qint8 | 量化的8位带符号整数 |
tf.quint8 | 量化的8位无符号整数 |
tf.qint16 | 量化的16位有符号整数 |
tf.quint16 | 量化的16位无符号整数 |
tf.qint32 | 量化的32位有符号整数 |
tf.as_dtype()函数将numpy类型和字符串类型名称转换为DType对象。
3.numpy数据类型对象dtype
名称 | 描述 |
---|---|
np.bool_ | 布尔型数据类型 |
np.int_ | 默认的整数类型 |
np.intc | 与 C 的 int 类型一样,一般是 int32 或 int 64 |
np.intp | 用于索引的整数类型,一般是 int32 或 int64 |
np.int8 | 8位整数即1字节(-128 to 127) |
np.int16 | 16位整数(-32768 to 32767) |
np.int32 | 32位整数(-2147483648 to 2147483647) |
np.int64 | 64位整数(-9223372036854775808 to 9223372036854775807) |
np.uint8 | 8位无符号整数(0 to 255) |
np.uint16 | 16位无符号整数(0 to 65535) |
np.uint32 | 32位无符号整数(0 to 4294967295) |
np.uint64 | 64位无符号整数(0 to 18446744073709551615) |
np.float_ | float64 简写,即64位双精度浮点数 |
np.float16 | 16位半精度浮点数,包括:1 个符号位,5 个指数位,10 个尾数位 |
np.float32 | 32位 单精度浮点数,包括:1 个符号位,8 个指数位,23 个尾数位 |
np.float64 | 64位双精度浮点数,包括:1 个符号位,11 个指数位,52 个尾数位 |
np.complex_ | complex128 简写,即 128 位复数 |
np.complex64 | 复数,表示双 32 位浮点数(实数部分和虚数部分) |
np.complex128 | 复数,表示双 64 位浮点数(实数部分和虚数部分) |
以上为个人经验,希望能给大家一个参考,也希望大家多多支持自学编程网。
- 本文固定链接: https://zxbcw.cn/post/213343/
- 转载请注明:必须在正文中标注并保留原文链接
- QQ群: PHP高手阵营官方总群(344148542)
- QQ群: Yii2.0开发(304864863)