Tensor数据相关的运算及函数讲解
Tensor
tensorflow中使用它来表示数据。可以看做多维数组或者list。
标量是张量,向量是张量,矩阵是张量,矩阵的矩阵是张量
常用几种定义方法
1.variable变量,一般是可以被更更新或更改的数值,即在流图运行过程中可以被不断动态调整的值。我们训练一个模型的时候,会用到Tensorflow中的变量(Variables),我们需要它来保持和更新参数值,和张量一样,变量也保存在内存缓冲区当中。
我们要预先对变量初始化,Tensorflow的变量必须先初始化然后才有值!而常值张量是不需要的,变量可以先设置好初始化方式,但是真正初始化是要sess.run(tf.global_variables_initializer())
才真的初始化。
2.constant 常量张量
3.placeholder:占位符 动态改变值 feeddict
numpy
b = np.array( [ (1.5,2,3),
(4,5,6)
] )
Tensorflow 和numpy区别
相同点:都提供n位数组
不同点:numpy支持ndarray,而Tensorflow里有tensor;numpy不提供创建张量函数和求导,也不提供GPU支持。
显示
Tensor
需要加eval函数
ta= tf.zeros((2,2))
print(ta)
Tensor("zeros_1:0", shap