tensorflow中的数据类型dtype用法说明

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.in...

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 http://www.cppcns.com 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 hSHecfQ 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我们。