TensorFlow(1) 张量的使用

最新推荐文章于 2024-02-20 20:49:52 发布

Fronzy

最新推荐文章于 2024-02-20 20:49:52 发布

阅读量217

点赞数

分类专栏：学习笔记文章标签： TensorFLow 张量

本文链接：https://blog.csdn.net/zhangyugebb/article/details/100174868

版权

本文介绍了TensorFlow中的基本概念——张量，包括其类型和作用。阐述了张量如何构建计算图，并通过Session执行计算。此外，还展示了如何使用placeholder创建变量输入，以及建立一个简单的两层神经网络，模拟未训练前参数的随机初始化过程。

摘要由CSDN通过智能技术生成

TensorFlow的张量：简单来说就是标量，向量，矩阵以及维度更高的矩阵

import tensorflow as tf
#定义常量
ts_c = tf.constant(2, name='ts_c')
#定义变量
ts_x = tf.Variable(ts_c+5, name='ts_x')
#一维张量
ts_X = tf.Variable([0.4,0.2,0.4])
#二维张量
ts_X = tf.Variable([[0.4,0.2,0.4]]) #shape(1,3)
W = tf.Variable([[-0.5, -0.2],
                 [-0.3, 0.4],
                 [-0.5, 0.2]]) #shape(3,2)

张量构成了“计算图”，而Session（会话）则是构建“计算图”与硬件设备的桥梁，通过Session能够执行计算图

sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
sess.run(ts_c)
sess.run(ts_x)
#另一种执行计算图的方法eval()
#ts_x.eavl()
sess.close()

#使用with来控制session的打开与关闭，可以省去程序出错而session未关闭的问题
a = tf.constant(2, name='a')
x = tf.Variable(a+5, name='x')
with tf.Session() as sess:
    init = tf.global_variables_in