tensorflow中取值


转载请标明出处:http://blog.csdn.net/wuzqchom/article/details/75281544


最近在写用tensorflow的程序时,中途遇到想取出tensorflow中的返回值是什么,可是其返回值也是一个tensor。用了两种方法,试图将tensor直接转为变量类型:

tf.cast(value,dtype=int)
tf.to_int32(value)

可是,着两条语句返回的都是一个tensor的信息,最后找到了这篇博客,两种方法都可以得到同样的结果:


import tensorflow as tf
a = tf.constant(1.)
b = tf.constant(6.)
c = a*b

with tf.Session() as sess:
    value_float = sess.run(c)
    print(type(c.eval()),c.eval())
    print(type(value_float),value_float)

输出:

<class 'numpy.float32'> 6.0
<class 'numpy.float32'> 6.0

之后我们就可以愉快的玩耍了。
tf.Variable也可以用同样的方式获得,输出结果与前一致:

import tensorflow as tf
a = tf.Variable(1.)
b = tf.Variable(6.)
c = tf.multiply(a,b)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    value_float = sess.run(c)
    print(type(c.eval()),c.eval())
    print(type(value_float),value_float)
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
TensorFlow ,可以使用 tf.nn.conv2d() 函数来调用卷积操作。该函数的基本语法如下: ```python tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None) ``` 其,各参数的含义如下: - input:输入的特征图,通常是一个四维张量,形状为 [batch, height, width, channels]。 - filter:卷积核,通常是一个四维张量,形状为 [filter_height, filter_width, in_channels, out_channels]。 - strides:卷积核在输入上滑动的步长,通常是一个四元组,形如 [1, stride, stride, 1],其间两个数字表示水平和垂直方向的步长。 - padding:填充方式,通常是一个字符串,可以取值为 "SAME" 或 "VALID",分别表示使用零填充和不使用填充。 - use_cudnn_on_gpu:是否使用 GPU 加速,默认为 True。 - data_format:输入和输出的数据格式,通常是一个字符串,可以取值为 "NHWC" 或 "NCHW",分别表示通道在最后一个维度和第二个维度。 - name:操作的名称,可选参数。 调用卷积操作的示例代码如下: ```python import tensorflow as tf input = tf.placeholder(tf.float32, [None, 28, 28, 1]) filter = tf.Variable(tf.random_normal([5, 5, 1, 32])) conv = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding="SAME") ``` 以上代码,input 是一个占位符,表示输入的特征图,形状为 [None, 28, 28, 1],其 None 表示可以接受任意 batch 大小。filter 是一个随机初始化的卷积核,形状为 [5, 5, 1, 32],其前两个数字表示卷积核的大小,第三个数字表示输入的通道数,第四个数字表示输出的通道数。conv 是卷积操作的输出,形状为 [None, 28, 28, 32],其最后一个数字表示输出的通道数。

“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