本文共 1800 字，大约阅读时间需要 6 分钟。

1.人工智能

人工智能就是，让机器和人一样，让机器具备人的思维和意识。

（1）人工智能三学派：

行为主义：基于控制论，构建感知-动作控制系统。

（2）连接主义：让计算机仿出神经网络连接关系步骤：

① 准备数据：采集大量的“特征/标签”数据

2.张量生成

（1）张量（Tensor）：多维数组（列表）。 阶：张量的维数。有几对[ ]就是几阶。

张量可以表示0阶到n阶数组。

（2）数据类型

tf.int 32, tf.float 32, tf.float 64

布尔型：tf.constant([True,False])

字符串型：tf.constant(“Hello!”)

(3) 创建张量：

方式一：使用tf.contant()生成

tf.constant(张量内容，dtype=数据类型（可选）)

例子：

import tensorflow as tfa = tf.constant([1, 5], dtype=tf.int64)print(a)            # 输出a的全部信息print(a.dtype)      # 打印数据类型print(a.shape)      # 打印形状输出：tf.Tensor([1 5], shape=(2,), dtype=int64)
   
    (2,)                   # 逗号隔开几个数字就是几阶 。2代表张量里有两个元素
   

方式二：将numpy的数据类型转换成Tensor数据类型

tf.convert_to_tensor(数据名，dtype=数据类型（可选）)

例子：

import tensorflow as tfimport numpy as npa = np.arange(0, 5)b = tf.convert_to_tensor(a)print(a)print(b)输出：[0 1 2 3 4]tf.Tensor([0 1 2 3 4], shape=(5,), dtype=int64)

方式三：创建特殊张量

###############创建全0，全1，全指定值的张量############a = tf.zeros([2,3])        # 创建全为0的张量b = tf.ones(4)             # 创建全1张量 c = tf.fill([2,2],9)       # 创建全为指定值9的张量 ###############生成正态分布、均匀分布随机数#############d = tf.random.normal([2,2], mean=0.5, stddev=1) # 维度、mean为均值，stddev为标准差e = tf.random.uniform([2,2],minval=0, maxval=1)# 维度、最小值、最大值（前闭后开）

注意：维度的记忆：

一维：括号里面直接写个数 tf.ones(4)

a = tf.ones(3)b = tf.ones([2,2])c = tf.ones([3,2,2])         #三维，第1维有3个元素，第2维有2个元素，第3维有2个元素print(a)print(b)print(c)输出：tf.Tensor([1. 1. 1.], shape=(3,), dtype=float32)tf.Tensor([[1. 1.] [1. 1.]], shape=(2, 2), dtype=float32) tf.Tensor([[[1. 1.]  [1. 1.]] [[1. 1.]  [1. 1.]] [[1. 1.]  [1. 1.]]], shape=(3, 2, 2), dtype=float32)