常量 constant
tf.constant()函数定义:
def constant(value, dtype=None, shape=None, name="Const", verify_shape=False)
- value: 符合tf中定义的数据类型的常数值或者常数列表;
- dtype:数据类型,可选;
- shape:常量的形状,可选;
- name:常量的名字,可选;
- verify_shape:常量的形状是否可以被更改,默认不可更改;
constant()函数提供在tensorflow中定义常量(不可更改的张量)的方法。
eg:
tensor_constant1 = tf.constant([1,2,3,4])
变量 Variable
tensorflow中的变量是通过Variable类来实现的,类初始化函数为tf.Variable():
def __init__(self,
initial_value=None,
trainable=True,
collections=None,
validate_shape=True,
caching_device=None,
name=None,
variable_def=None,
dtype=None,
expected_shape=None,
import_scope=None)
tensorflow中的可以改变的量包括训练过程中的输入数据,输出数据以及控制从输入到输出的学习机制(具体体现为网络参数),输入输出数据在tf中是用placeholder占位符定义的,tf的学习机制使用变量来表示。
注意:变量通常在神经网络中表示权重和偏置。
占位符 placeholder
tf.placeholder()函数定义:
def placeholder(dtype, shape=None, name=None)
- dtype:表示tensorflow中的数据类型,如常用的tf.float32,tf.float64等数值类型;dtype 定占位符的数据类型,并且必须在声明占位符时指定
- shape:表示数据类型,默认的None是一个一维的数值,shape=[None,5],表示行不定,列是5;
- name:张量名称;
placeholder()又叫占位符,用于声明一个张量的数据格式,告诉系统这里会有一个这种格式的张量,但是还没有给定具体数值,具体的数值要在正式运行的时候给到。占位变量是一种TensorFlow用来解决读取大量训练数据问题的机制. 它允许你现在不用给它赋值,随着训练的开始,再把训练数据传送给训练网络学习。