tensorflow中的数据类型dtype用法说明
更新时间：2021年05月26日 14:49:45 作者：知了不知蝉鸣惊
这篇文章主要介绍了tensorflow中的数据类型dtype用法说明，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
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脚本之家。
相关文章
在本篇文章里小编给大家整理的是一篇关于python爬虫http代理使用方法相关内容，有需要的朋友们可以跟着学习参考下。2021-09-09
这篇文章主要介绍了PyCharm连接远程服务器配置的全过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-06-06
这篇文章主要介绍了使用Python实现微信“拍一拍”的思路代码,，本文通过示例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-07-07
在这篇博客中,我们将深入分析一个基于 wxPython 实现的 PDF 阅读器程序,该程序支持加载 PDF 文件并显示页面内容,同时支持页面切换动画效果,文中有详细的代码示例,需要的朋友可以参考下2025-01-01
Python中利用mpld3创建交互式Matplotlib图表的代码示例
mpld3 是一个 Python 库,它将 Matplotlib 图表转换为 D3.js（JavaScript 绘图库）可解释的格式,从而实现了在浏览器中显示并交互的功能,在本文中,我们将介绍如何使用 mpld3 在 Python 中创建交互式 Matplotlib 图表,并提供代码示例,需要的朋友可以参考下2024-05-05
这篇文章主要介绍了python getopt模块使用实例解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-12-12
这篇文章主要为大家介绍了Windows下从源码编译PaddlePaddle解析，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-04-04
PyPDF2是一个Python库,用于处理PDF文件,包括合并、分割、旋转和提取文本等操作,它是一个功能强大且灵活的工具,可用于自动化处理PDF文件,适用于各种应用,从文档管理到数据分析,本文将深入介绍PyPDF2库,掌握如何利用它来处理PDF文件,需要的朋友可以参考下2023-11-11
这篇文章主要介绍了Windows环境下如何使用Pycharm运行sh文件,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2023-02-02
在Python中通过OpenCV自己训练分类器进行特定物体实时识别,下面这篇文章主要给大家介绍了关于如何利用opencv训练自己的模型实现特定物体的识别,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2022-10-10
最新评论