TensorFlow数据模型——张量

tensor(张量):在TensorFlow中,所有的数据都通过张量的形式来表示,但他保存的并不是数据,而是如何得到数据的计算过程。 

import tensorflow as tf
a=tf.constant([1,2])
b=tf.constant([2,3])
result=tf.add(a,b)
print result
with tf.Session() as sess:
    sess.run(result)




 从第5行可以看到,result的名字 :“Add_4:0” 说明这个张量是Add_4节点输出的第1个结果(编号从0开始),之所以为Add_4是因为在下先前输入了好几个add的方法; result的维度:shape=(2,) 说明这个张量是长度为2的一维数组 result的类型:dtype=int32 整形
 从倒数第2行可以看到,通过sess.run()显示出的运算结果为两个张量之和

 我们再单独输出a和b,查看a、b的本质

 关于shape,再多看一下多维数组的情况

 显然,这是一个长度为3的二维数组,是我定义的第15个常量型节点。


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值