TensorFlow神经网络中张量与变量的概念分析

发布时间:2021-10-18 09:21:54 作者:小新
来源:亿速云 阅读:114

这篇文章主要介绍TensorFlow神经网络中张量与变量的概念分析,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!

一、张量定义

张量:TensorFlow的张量是n维数组,类型为tf.Tensor。

标量:一个数字 (0阶张量)

向量:一维数组 (1阶张量)

矩阵:二维数组 (2阶张量)

二、张量属性

1、张量的类型

TensorFlow神经网络中张量与变量的概念分析

#创建常数张量
    a = tf.constant(3.0)    
    print(a)

TensorFlow神经网络中张量与变量的概念分析

2、张量的阶

TensorFlow神经网络中张量与变量的概念分析

三、张量的指令

1、常数张量(普通)

#创建常数张量
    a = tf.constant(3.0)    
    print(a)

TensorFlow神经网络中张量与变量的概念分析

TensorFlow神经网络中张量与变量的概念分析

2、张量数组

1、固定张量数组(0)
#创建张量数组
    #0:
    array_0 = tf.zeros(shape=[3,3])    #3*3数组(0)

TensorFlow神经网络中张量与变量的概念分析

2、固定张量数组(1)
#1:
    array_1 = tf.ones(shape=[3,3])     #3*3数组(1)
3、随机张量数组
#随机:
    array_random = tf.random_normal(shape=[2,3], mean=1.75, stddev=0.12)
#                                   2*3数组      均值(1.75) 标准差

TensorFlow神经网络中张量与变量的概念分析

3、查看张量值

查看张量值:张量.eval()

#会话(查看张量)
    with tf.Session() as sess:
        print(a.eval())
        print(array_0.eval())
        print(array_1.eval())
        print(array_random.eval())

TensorFlow神经网络中张量与变量的概念分析

4、张量类型改变

#修改张量类型
    array_0 = tf.cast(array_0, tf.int32)

TensorFlow神经网络中张量与变量的概念分析TensorFlow神经网络中张量与变量的概念分析

5、张量形状改变

注:属于动态改变张量,需要张量元素个数固定。

#修改张量形状
    array_random = tf.reshape(array_random, shape=[3,2])

修改前:

TensorFlow神经网络中张量与变量的概念分析

修改后:

TensorFlow神经网络中张量与变量的概念分析

代码

# 张量(创建与修改)
import tensorflow as tf
# 创建张量
def Create_Tensor():
    # 创建常数张量
    a = tf.constant(3.0)
    print(a)
 
    # 创建张量数组
    # 0:
    array_0 = tf.zeros(shape=[3, 3])  # 3*3数组(0)
 
    # 1:
    array_1 = tf.ones(shape=[3, 3])  # 3*3数组(1)
 
    # 随机:
    array_random = tf.random_normal(shape=[2, 3], mean=1.75, stddev=0.12)
    #                                   2*3数组      均值(1.75) 标准差
 
    # 会话(查看张量)
    with tf.Session() as sess:
        print(a.eval())
        print(array_0.eval())
        print(array_1.eval())
        print(array_random.eval()) 
# 修改张量
def Modify_Tensor():
    global array_0, array_random
    print('修改后的:')
 
    # 修改张量类型
    array_0 = tf.cast(array_0, tf.int32)
 
    # 修改张量形状
    array_random = tf.reshape(array_random, shape=[3, 2])
 
    # 会话(查看张量)
    with tf.Session() as sess:
        print(array_0.eval())
        print(array_random.eval())
 
# 创建张量
Create_Tensor()
# 修改张量
Modify_Tensor()

四、变量

1、定义变量

# 定义变量
a = tf.Variable(initial_value=2)
b = tf.Variable(initial_value=4)
c = tf.add(a,b)

2、初始化变量

TensorFlow的变量必须初始化,否则会报错。

# 初始化变量
init = tf.global_variables_initializer()

3、开启会话(执行)

# 开启会话
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(c))

TensorFlow神经网络中张量与变量的概念分析

代码

# 变量
import tensorflow as tf
 
# 定义变量
a = tf.Variable(initial_value=2)
b = tf.Variable(initial_value=4)
c = tf.add(a,b)
 
# 初始化变量
init = tf.global_variables_initializer()
 
# 开启会话
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(c))

以上是“TensorFlow神经网络中张量与变量的概念分析”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注亿速云行业资讯频道!

推荐阅读:
  1. TensorFlow如何获取加载模型中的全部张量名
  2. tensorflow多维张量计算实例

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

tensorflow

上一篇:SpringBoot+WebMagic+MyBaties实现爬虫和数据入库的示例分析

下一篇:怎样用GO函数式选项模式

相关阅读

您好,登录后才能下订单哦!

密码登录
登录注册
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》