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