tensorflow 基本概念

一、占位符
tf.placeholder(dtype, shape=None, name=None)
在使用
Session.run()之前,需要使用feed_dict对占位符进行操作。

import tensorflow as tf
import numpy as np
x = tf.placeholder(tf.float32, shape=(3,3))
y = tf.matmul(x,x)
with tf.Session() as sess:
  rand_array = np.random.rand(3,3)
  print sess.run(y, feed_dict={x: rand_array})

如果shape=(None, 1024), None是python中的空值,表示可以任何维度的1024列二维数组。
二、变量
在tensorFlow 一些随时用来计算变化操作共享的量,我们知道OP操作在python传递的是ndarray多维数组C++中就是tensorFlow的tensor类,多维数组在tensorFlow表示就是变量。
例如:

w = tf.Variable(tf.zeros([10]), name="weights")
b = tf.Variable(tf.zeros([10]), name="bias")
常量
k = tf.constant(1)

Variable 第一个参数表示初始化的值,第二个参数表示参数的名称。
注意:初始化variable后,其type和shape就固定了。它的value可以通过assign方法进行改变。
如果你想要改变variable的shape,使用assign操作并validate_shape=False。
三、Session回话
tensorflow通过Session进行连接操作执行所有的op形成一个有向图。在进行Session之前,需要对变量进行初始化操作,使用的是

init = tf.initialize_all_variables()
tf.Session.run(init)

Session的使用方式:
tf.Session.run(fetches, feed_dict=None, options=None, run_metadata=None)

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