import tensorflow as tf
# 需求二:编写一段代码:实现动态的更新变量的维度数目
# 1.定义一个不定形状的变量
x = tf.Variable(
initial_value=[], # 给定一个空值
dtype=tf.float32,
trainable=False, # 设置为False,表示要定义一个不定形状的变量
validate_shape=False # 设置为True,表示在变量更新的时候,进行shape的检查,默认为True
)
# 2.变量更改
coneat = tf.concat([x, [0.0, 0.0]], axis=0) # 按行拼接 另外,写成[0,0] ,如果报错,就改为[0.0, 0.0]
assign_op = tf.assign(x, coneat, validate_shape=False) # 如果x, coneat形状不一样,validate_shape设为False,就不会去检查形状了
# 3.变量初始化操作
init_op = tf.global_variables_initializer()
# 4.运行
with tf.Session() as sess:
sess.run(init_op)
for i in range(5):
# 执行更新操作
sess.run(assign_op)
r_x = sess.run(x)
print(r_x)
用tensorflow实现动态的更新变量的维度数目
最新推荐文章于 2023-07-10 15:46:58 发布