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。