这篇文章主要介绍TensorFlow神经网络中张量与变量的概念分析,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!
张量:TensorFlow的张量是n维数组,类型为tf.Tensor。
标量:一个数字 (0阶张量)
向量:一维数组 (1阶张量)
矩阵:二维数组 (2阶张量)
#创建常数张量
a = tf.constant(3.0)
print(a)
#创建常数张量
a = tf.constant(3.0)
print(a)
#创建张量数组
#0:
array_0 = tf.zeros(shape=[3,3]) #3*3数组(0)
#1:
array_1 = tf.ones(shape=[3,3]) #3*3数组(1)
#随机:
array_random = tf.random_normal(shape=[2,3], mean=1.75, stddev=0.12)
# 2*3数组 均值(1.75) 标准差
查看张量值:张量.eval()
#会话(查看张量)
with tf.Session() as sess:
print(a.eval())
print(array_0.eval())
print(array_1.eval())
print(array_random.eval())
#修改张量类型
array_0 = tf.cast(array_0, tf.int32)
注:属于动态改变张量,需要张量元素个数固定。
#修改张量形状
array_random = tf.reshape(array_random, shape=[3,2])
修改前:
修改后:
# 张量(创建与修改)
import tensorflow as tf
# 创建张量
def Create_Tensor():
# 创建常数张量
a = tf.constant(3.0)
print(a)
# 创建张量数组
# 0:
array_0 = tf.zeros(shape=[3, 3]) # 3*3数组(0)
# 1:
array_1 = tf.ones(shape=[3, 3]) # 3*3数组(1)
# 随机:
array_random = tf.random_normal(shape=[2, 3], mean=1.75, stddev=0.12)
# 2*3数组 均值(1.75) 标准差
# 会话(查看张量)
with tf.Session() as sess:
print(a.eval())
print(array_0.eval())
print(array_1.eval())
print(array_random.eval())
# 修改张量
def Modify_Tensor():
global array_0, array_random
print('修改后的:')
# 修改张量类型
array_0 = tf.cast(array_0, tf.int32)
# 修改张量形状
array_random = tf.reshape(array_random, shape=[3, 2])
# 会话(查看张量)
with tf.Session() as sess:
print(array_0.eval())
print(array_random.eval())
# 创建张量
Create_Tensor()
# 修改张量
Modify_Tensor()
# 定义变量
a = tf.Variable(initial_value=2)
b = tf.Variable(initial_value=4)
c = tf.add(a,b)
TensorFlow的变量必须初始化,否则会报错。
# 初始化变量
init = tf.global_variables_initializer()
# 开启会话
with tf.Session() as sess:
sess.run(init)
print(sess.run(c))
# 变量
import tensorflow as tf
# 定义变量
a = tf.Variable(initial_value=2)
b = tf.Variable(initial_value=4)
c = tf.add(a,b)
# 初始化变量
init = tf.global_variables_initializer()
# 开启会话
with tf.Session() as sess:
sess.run(init)
print(sess.run(c))
以上是“TensorFlow神经网络中张量与变量的概念分析”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注亿速云行业资讯频道!
亿速云「云服务器」,即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘,价格低至29元/月。点击查看>>
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。