pythoncast函数用法_Tensorflow基本Python函数,tensorflow,基础,python

如果你完全不想改动v1版本的代码，怎么办，这么操作即可：

import tensorflow.compat.v1 as tf

tf.disable_v2_behavior()

1、tensorflow.placeholder()

placeholder是占位符的意思，在tensorflow中类似于函数参数，在执行的时候再赋具体的值。

参数含义：

• dtype：数据类型。常用的是tf.float32,tf.float64等数值类型

• shape：数据形状。默认是None，就是一维值，也可以是多维，比如[2,3], [None, 3]表示列是3，行不定

• name：名称。

input1=tf.placeholder(tf.float32)

input2=tf.placeholder(tf.float32)

output=tf.multiply(input1,input2)

With tf.Session() as sess:

print(sess.run(output,feed_dict={input1:[7.],input2:[2.0]}))

2、tf.Variable 定义变量

tensorflow采用C实现，variable就是C语言的变量，tensorflow规定变量必须初始化其实是减少变量的不确定性，在C语言里面，变量可以不初始化，但为初始化的变量的值不可预估

a=tf.Variable([0,0,0]) //这其实就相当于C的变量的定义，int a[3];

b=tf.assign(a,[1,2,3]) //这其实就是变量的赋值,a[3]={1,2,3};

3、tf.global_variables_initializer() 初始化所有变量

• 添加节点用于初始化全局变量(GraphKeys.GLOBAL_VARIABLES)。返回一个初始化所有全局变量的操作(Op)。在你构建完整个模型并在会话中加载模型后，运行这个节点。

• 必须要使用global_variables_initializer的场合 # 含有tf.Variable的环境下，因为tf中建立的变量是没有初始化的，也就是在debug时还不是一个tensor量，而是