TensorFlow 1.x 中查看 TF.tensor 的具体数值的两种方法

由于TensorFlow 1.x 由静态图构成,所以不能直接查看tensor的数值,而使用动态图的TensorFlow 2.x则可以直接查看

TensorFlow 1有两中查看方式:

第一种方法:

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

sess = tf.Session()
sess.run(tf.global_variables_initializer())
tensor = tf.Variable([[1,2]])
sess.run(tensor)

第二种方法:

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

sess = tf.Session()
sess.run(tf.global_variables_initializer())
tensor = tf.Variable([[1,2]])
tensor.eval(session=sess)
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

sess = tf.Session()
sess.run(tf.global_variables_initializer())
tensor_a = tf.Variable([[1,2]])
tensor_b = tf.Variable([[1,2]])

with sess.as_default(): # tf.Session() as:
   tensor_a.eval()  # runs one step
   tensor_b.eval()  # runs one step
   sess.run([tensor_a, tensor_b])  # evaluates both tensors in a single step
  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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