当前位置:   article > 正文

tensorflow中张量、常量、变量、占位符

tensorflow中常量、变量、张量

1.tensor

tensorflow中,数据是被封装在tensor对象中的。tensor是张量的意思,即包含从0到任意维度的张量。常数是0维度的张量,向量是1维度的张量,矩阵是二维度的张量,以及还有多维度的张量。

 
  
1 # tensor1 是一个0维的 int32 tensor
2 tensor1 = tf.constant(1234) 
3 # tensor2 是一个1维的 int32 tensor
4 tensor2 = tf.constant([123,456,789]) 
5  # tensor3 是一个二维的 int32 tensor
6 tensor3 = tf.constant([ [123,456,789], [222,333,444] ])
View Code
 
  

 

 

2.tf.constant

constant函数提供在tensorflow中定义常量(不可更改的张量)的方法

如:

tensor_constant = tf.constant([1,2,3,4)

3.tf.Variable

tensorflow中的变量是通过Variable类来实现的。tensorflow中需要定义为变量的包括训练过程中的输入数据,输出数据,以及控制从输入到输出的学习机制,即网络参数。输入输出数据在tf中是用placeholder占位符来定义的,网络参数是用tf.Variable来定义的。

4.tf.placeholder

用于声明一个张量的数据格式,告诉系统这里会有一个这种格式的张量,但是还没有传入具体的值。

如:

X = tf.placeholder("float", shape=[None, 100])

上面声明了一个张量X,数据类型是float,100列,行数不确定。

5.tf.Session

以上部分都是搭建一个计算图的代码,在tf中,先搭建好计算图,然后再启动session,运行定义好的图。

1 import tensorflow as tf
2  
3 x = tf.placeholder("string")
4 with tf.Session() as sess:
5     output = sess.run(x, feed_dict={x : "run the map"})
6     print(output)
View Code

 

转载于:https://www.cnblogs.com/xinmomoyan/p/10170958.html

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/小小林熬夜学编程/article/detail/95946
推荐阅读
相关标签
  

闽ICP备14008679号