tensorflow 의 데이터 형식 dtype 용법 설명
2676 단어 tensorflowdtype
부호 정형
tf.int 8:8 비트 정수.
tf.int 16:16 비트 정수.
tf.int 32:32 비트 정수.
tf.int 64:64 비트 정수.
부호 없 는 정형
tf.uint 8:8 비트 부호 없 는 정수.
tf.uint 16:16 비트 부호 없 는 정수.
부동 소수점 형
tf.float 16:16 비트 부동 소수점.
tf.float 32:32 비트 부동 소수점.
tf.float 64:64 비트 부동 소수점.
tf.double:tf.float 64 와 같 습 니 다.
문자열 형
tf.string:문자열.
불 형
불 형.
복수 형
tf.com plex 64:64 비트 복수.
tf.com plex 128:128 비트 복수.
추가:tensorflow 및 numpy 의 데이터 형식 대상 Dtype 요약
1.dtyte 와 astype
dtype:데이터 형식 보기
astype:데이터 형식 변환
2.tensorrow 데이터 형식 대상 D type
명칭.
묘사 하 다.
tf.float16
16 비트 반 정밀도 부동 소수점
tf.float32
32 비트 단일 정밀도 부동 소수점
tf.float64
64 비트 더 블 정밀도 부동 소수점
tf.bfloat16
16 비트 절단 부동 소수점
tf.complex64
64 비트 단일 정밀도 복수
tf.complex128
128 비트 더 블 정밀도 복수
tf.int8
8 비트 기호 정수
tf.uint8
8 비트 부호 없 는 정수
tf.uint16
16 비트 부호 없 는 정수
tf.int16
16 비트 기호 정수
tf.int32
32 비트 기호 정수
tf.int64
64 비트 기호 정수
tf.bool
불 값
tf.string
문자열
tf.qint8
양 적 8 비트 기호 정수
tf.quint8
양 적 8 비트 부호 없 는 정수
tf.qint16
계량 화 된 16 비트 는 기호 정수 가 있다.
tf.quint16
양 적 16 비트 부호 없 는 정수
tf.qint32
양 적 32 비트 기호 정수
tf.as_dtype()함 수 는 numpy 형식 과 문자열 형식 이름 을 DType 대상 으로 변환 합 니 다.
3.numpy 데이터 형식 대상 dtype
명칭.
묘사 하 다.
np.bool_
불 형 데이터 형식
np.int_
기본 정수 형식
np.intc
C 의 int 유형 과 마찬가지 로 보통 int 32 또는 int 64 입 니 다.
np.intp
색인 에 사용 할 정수 형식 은 보통 int 32 또는 int 64 입 니 다.
np.int8
8 비트 정수 즉 1 바이트(-128 to 127)
np.int16
16 비트 정수(-32768 to 32767)
np.int32
32 비트 정수(-2147483648 to 21474833647)
np.int64
64 비트 정수(-9223372036854775808 to 92233736854775807)
np.uint8
8 비트 부호 없 는 정수(0 to 255)
np.uint16
16 비트 부호 없 는 정수(0 to 65535)
np.uint32
32 비트 부호 없 는 정수(0 to 4294967295)
np.uint64
64 비트 부호 없 는 정수(0 to 18446744073709551615)
np.float_
float 64 약자,즉 64 비트 더 블 정밀도 부동 소수점
np.float16
16 비트 반 정밀도 부동 소수점 은 1 개의 기호 비트,5 개의 지수 비트,10 개의 꼬리 숫자 를 포함한다.
np.float32
32 비트 단일 정밀도 부동 소수점 은 1 개의 기호 비트,8 개의 지수 비트,23 개의 꼬리 숫자 를 포함한다.
np.float64
64 비트 더 블 정밀도 부동 소수점 은 1 개의 기호 비트,11 개의 지수 비트,52 개의 꼬리 숫자 를 포함한다.
np.complex_
complex 128 약자,즉 128 비트 복수
np.complex64
복수
np.complex128
복수,더 블 64 비트 부동 소수점(실수 부분 과 허수 부분)을 나타 낸다.
이상 은 개인 적 인 경험 이 므 로 여러분 에 게 참고 가 되 기 를 바 랍 니 다.여러분 들 도 저 희 를 많이 응원 해 주시 기 바 랍 니 다.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
GPU가 있는 M1 MacBook Air에 TensorFlow 설치(메탈)이제 TensorFlow v2.5에서 Apple의 tensorflow-metal PluggableDevice를 활용하여 Metal을 사용하여 Mac GPU에서 직접 가속화된 교육을 받을 수 있습니다. 자세히 알아보기...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.