（tensorflow之十二）tensorflow与numpy函数的选择（以reshape为例）

tensorflow与numpy均提供了强大的矩阵运算功能，很多矩阵的运算函数功能是重复的。

那什么时候选择用tensorflow，什么时候选择用numpy呢？

这个的选择需正确的理解tensorflow与numpy计算过程的区别。

tensorflow的计算一般可分成两个阶段：

• 第一阶段，定义所有的计算过程，即计算流图。在这个阶段，所有的变量均无实际参数值，仅仅表示一个计算过程；
• 第二阶段，执行运算，创建会话（Session)，此时才会对变量进行赋值；

而numpy的计算，会直接对具体的参数值进行运算。

因此，在tensoflow的第一阶段，表示计算过程时，必段选用tensorflow的函数；而在第二阶段，或者对已有具体参数值进行运算时，则需选择numpy。

具体可参考示意如下（以reshape函数为例)：

import tensorflow as tf
import numpy as np
#矩阵a已经具有实际参数值，需选用numpy的reshape函数
a = [[3.0,2.0,1.0],[3.0,4.0,5.0],[7.0,8.0,9.0]]
b = np.reshape(a,[9])
#矩阵c是张量，在执行sess.run()无实际参数值,需选用tensorflow的reshape函数
c = tf.get_variable('c',[3,3],tf.float32,initializer=tf.truncated_normal_initializer(stddev=0.1))
d = tf.reshape(c,[9])

with tf.Session() as sess:
    tf.initialize_all_variables().run()
    print('the a is')
    print(a)
    print('the b is')
    print(b)
    print('the c is')
    print(sess.run(c))
    print('the d is')
    print(sess.run(d))
    print('the e is')
	#在执行sess.run(c)时，sess.run(c)已经具有实际参数值，则需选用numpy的reshape函数
    e = np.reshape(sess.run(c),[9])
    print(e)

运行结果如下：

the a is
[[3.0, 2.0, 1.0], [3.0, 4.0, 5.0], [7.0, 8.0, 9.0]]
the b is
[ 3.  2.  1.  3.  4.  5.  7.  8.  9.]
the c is
[[ 0.02078418  0.08195087  0.05464306]
 [-0.05831626 -0.11729162  0.14623356]
 [ 0.0392873  -0.04524051 -0.09136122]]
the d is
[ 0.02078418  0.08195087  0.05464306 -0.05831626 -0.11729162  0.14623356
  0.0392873  -0.04524051 -0.09136122]
the e is
[ 0.02078418  0.08195087  0.05464306 -0.05831626 -0.11729162  0.14623356
  0.0392873  -0.04524051 -0.09136122]