TensorFlow学习笔记-节点(constant,placeholder,Variable区别)

 

1.constant

constant是TensorFlow的常量节点，通过constant()方法创建，是计算图(Computational Graph)中的起始节点，是传入数据。

创建方式：

cons = tf.constant(value=[1,2],dtype=tf.float32,shape=(1,2),name='testconst', verify_shape=False)

value：初始值，必填，必须是一个张量（1或[1,2,3]或[[1,2,3],[2,2,3]]或......）

dtype：数据类型，默认为value的数据类型，传入参数为tebsorflow下的枚举值(float32，float64，......)

shape：数据形状，选填，默认为value的shape，设置时不得比value小，可以比value阶数，维度更高，超过部分按value提供最后一个数字填充

name：常量名

verify_shape：常量的形状是否可以被更改，默认不可更改

2.placeholder(占位符)

placeholder是TensorFlow的占位符节点，由placeholder方法创建，其也是一种常量，但是由用户在调用run方法是传递的，也可以将placeholder理解为一种形参，用于定义过程，在执行的时候再赋具体的值。其不像constant那样直接可以使用，需要用户传递常数值。

创建方式：

X = tf.placeholder(dtype=tf.float32, shape=[144, 10], name='X')

dtype：数据类型，必填，默认为value的数据类型，传入参数为tensorflow下的枚举值（float32，float64.......）

shape：数据形状，选填，不填则随传入数据的形状自动变动，可以在多次调用中传入不同形状的数据。

name：常量名，默认值不重复，根据创建顺序为(Placeholder1，Placeholder_1，Placeholder_2，......)

3.Variable

Variable是tensorflow的变量节点，通过Variable(注：V大写)方法创建，并且需要传递初始值，在使用前需要通过TensorFlow的初始化方法进行初始化。

常见创建例子如下：

W = tf.Variable(tf.zeros([3, 10]), dtype=tf.float64, name='W')

参数依次为

initial_value：初始值

dtype：数据类型。如果设置,initial_value将被转换为给定的类型。如果'None'，数据类型将被保存('initial_value是一个张量')，或者'convert_to_tensor'来决定

name：变量名，可选，默认为"Variable"并获取自动去重

 

 

转自：

https://www.cnblogs.com/Vulpers/p/7809276.html