import tensorflow as tf
a=tf.constant(1.0)
b=tf.constant(2.0)
c=tf.add(a,b)
print([a,b,c])
#输出
[<tf.Tensor 'Const:0' shape=() dtype=float32>,
<tf.Tensor 'Const_1:0' shape=() dtype=float32>,
<tf.Tensor 'Add:0' shape=() dtype=float32>]
数据流图中的操作输出值由张量承载,想要求解特定张量的值,需要创建会话,然后执行张量的eval方法或会话的run方法。
with tf.Session() as sess:
print(c.eval())
print(sess.run([a,b,c]))
#输出
3.0
[1.0,2.0,3.0]
tf张量的公共成员方法
eval 取出张量值
get_shape 获取张量的形状
set_shape 修改张量的形状
consumers 获取张量的后置操作
with tf.Session() as sess:
print("a[0]=%s,a[1]=%s" % (a[0].eval(),a[1].eval()))
print("c.name=%s" % c.name)
print("c.value=%s" % c.eval())
print("c.shape=%s" % c.shape)
print("a.consumers=%s" % a.consumers())
print("b.c