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.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。