tenforflow中的变量
import tensorflow as tf
import numpy as np
#定义常量
a1 = tf.constant(np.ones([4, 4])*2)
a2 = tf.constant(np.ones([4, 4]))
#定义变量
# 是可以进行求导的
b1 = tf.Variable(a1)
b2 = tf.Variable(np.ones([4, 4]))
#定义乘法
a1_elementwise_a2 = a1*a2
#定义矩阵乘法tf.matmul(a1, a2):矩阵a1点乘矩阵a2
a1_dot_a2 = tf.matmul(a1, a2)
b1_elementwise_b2 = b1 * b2
b1_dot_b2 = tf.matmul(b1, b2)
#variable需要初始化,此时的初始化不是赋值而是分配内存
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
print(sess.run(a1_elementwise_a2))
print(sess.run(a1_dot_a2))
print(sess.run(b1_elementwise_b2))
print(sess.run(b1_dot_b2))
#打印结果:
#[[2. 2. 2. 2.]
# [2. 2. 2. 2.]
# [2. 2. 2. 2.]
# [2. 2. 2. 2.]]
#[[8. 8. 8. 8.]
# [8. 8. 8. 8.]
# [8. 8. 8. 8.]
# [8. 8. 8. 8.]]
#[[2. 2. 2. 2.]
# [2. 2. 2. 2.]
# [2. 2. 2. 2.]
# [2. 2. 2. 2.]]
#[[8. 8. 8. 8.]
# [8. 8. 8. 8.]
# [8. 8. 8. 8.]
# [8. 8. 8. 8.]]
#####################################################
''' 参考资料:
Vatiable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。
创建方式
# 初始值,必填,张量或可以转换为张量的Python对象。
# 初始值必须有指定一个形状,除非`validate_shape`设置为False。
W = tf.Variable(initial_value=tf.zeros([9, 5]),
trainable=True, # 如果`True`,则默认值也将变量添加到图形中集合`GraphKeys.TRAINABLE_VARIABLES`。这个集合用作“Optimizer”类使用的默认变量列表
collections=None, # 图表集合键的列表。新的变量被添加到这些集合。默认为`[GraphKeys.GLOBAL_VARIABLES]`。
validate_shape=True, # 如果`False`,允许变量用初始化未知形状的值。如果“True”,默认的形状`initial_value`必须是已知的。
caching_device=None, # 可选设备字符串,描述变量的位置应该被缓存以供阅读。默认为变量的设备。如果不是“None”,则缓存在另一个设备上。典型的用途是缓存在使用变量的Ops所在的设备上进行重复数据删除复制`Switch`和其他条件语句。
name='W', # 变量的可选名称。默认为“Variable”并获取自动去重(Variable_1,Variable_2....)。
variable_def=None, # `VariableDef`协议缓冲区。如果不是“无”,则重新创建变量对象及其内容,引用变量的节点在图中,必须已经存在。图形没有改变。`variable_def`和其他参数是互斥的。
dtype=tf.float32, # 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(如果`initial_value`是一个张量),或者“convert_to_tensor”来决定。
expected_shape=None, # 张量的Shape。如果设置,initial_value需要符合这个形状。
import_scope=None) # 可选的字符串。名称范围添加到`Variable.`仅在从协议缓冲区初始化时使用。
Variable函数的全部参数如上方代码展示,不过目前我在学习中遇到常用的的参数只有如下几个,其他的参数暂时没在代码中遇到
initial_value,dtype,name,创建代码类似下面这样
W = tf.Variable(tf.zeros([3, 10]), dtype=tf.float64, name='W') '''