本文主要介绍了tensorflow中数据类型dtype的使用说明，具有很好的参考价值。希望对大家有帮助。如有错误或不足之处，请不吝赐教。
在Tensorflow中，主要有以下几种数据类型(dtype)。在老版本中，不加tf也可以使用。
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:相当于tf.float64
字符串型
Tf.string:字符串。
布尔型
Tf.bool:布尔值。
复数型
64:64位复数。
128: 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
类型：转换数据类型。
2.tensorlow数据类型对象Dtype
名字
形容
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 .复杂128
28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位有符号整数
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
函数的作用是：将numpy类型和字符串类型转换成DType对象。
3.numpy数据类型对象dtype
名字
形容
np.bool_
布尔数据类型
np.int_
默认整数类型
np.intc
与c #的int类型一样，它通常是int32或int 64。
np.intp
用于索引的整数类型，通常为int32或int64。
np.int8
8位整数是1个字节(-128到127)
np.int16
16位整数(-32768到32767)
np.int32
32位整数(-2147483648到2147483647)
np.int64
64位整数(-9223372036854775808到922372036854775807)
np.uint8
8位无符号整数(0到255)
np.uint16
16位无符号整数(0到65535)
np.uint32
32位无符号整数(0到4294967295)
np.uint64
64位无符号整数(0到18446744073709551615)
np.float_
Float64是64位双精度浮点数的缩写。
浮动16
16位半精度浮点数，包括：1个符号位、5个指数位和10个尾数位。
np.float32
32位单精度浮点数，包括：1个符号位、8个指数位和23个尾数位。
np.float64
64位双精度浮点数，包括：1个符号位、11个指数位和52个尾数位。
np .复杂_
Complex128缩写，即128位复数
np .复杂64
复数，表示双32位浮点数(实部和虚部)
np.complex128
复数，表示双64位浮点数(实部和虚部)
以上个人经历，希望能给大家一个参考，也希望大家多多支持我们。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。