版权声明:未经过本人同意不得转发 https://blog.csdn.net/weixin_42956785/article/details/85039524
tensorflow 学习笔记(1)
学习内容:
推荐一个网址:https://www.w3cschool.cn/tensorflow_python/tensorflow_python-hckq2htb.html 这里有各种tensorflow函数的应用
- tf.constant() 定义常量
- tf.get_variable()定义变量
- a.graph 查看对象所在的图
- tf.get_default_graph()
- tf.Graph() 创建一个新的图
tf.constant() 定义常量
tf.constant(
value, #值,必须输入
dtype=None, #值的类型,可选
shape=None, #值的维度 可选
name='Const', #名字 可选
verify_shape=False #检测 shape 是否和 value 的 shape 一致,若为 Fasle,不一致时,会用最后一个元素将 shape 补全
)
#==================================
a = tf.constant([1,2],name = 'a') #类型为张量
print(a) #输出: Tensor("a:0", shape=(2,), dtype=int32)
tf.get_variable() 定义变量
tf.get_variable(name, shape, initializer):
name 就是变量的名称
shape 是变量的维度
initializer 是变量初始化的方式,初始化的方式有以下几种:
tf.constant_initializer():常量初始化函数
tf.random_normal_initializer():正态分布
tf.truncated_normal_initializer():截取的正态分布
tf.random_uniform_initializer():均匀分布
tf.zeros_initializer():全部是0
tf.ones_initializer():全是1
tf.uniform_unit_scaling_initializer():满足均匀分布,但不影响输出数量级的随机值
a1 = tf.get_variable(name='a1', shape=[2,3], initializer=tf.random_normal_initializer(mean=0, stddev=1))
a2 = tf.get_variable(name='a2', shape=[1], initializer=tf.constant_initializer(1))
a3 = tf.get_variable(name='a3', shape=[2,3], initializer=tf.ones_initializer())
a.graph 查看对象所在的图
tf.get_default_graph()
a.graph查看当前元素所在的计算图
printf(a.graph is tf.get_default_graph()) #输出true还是false,来判断是否是同一个计算图
tf.Graph() 创建计算图
g1 = tf.Graph()创建一个计算图
a = tf.constant([1,2],name = 'a')
b = tf.constant([3,4],name = 'b')
result = a + b
with g1.Session() as sess:
init_all = tf.global_variable_initialize()
sess.run(init_all)
推荐一个网址:https://www.w3cschool.cn/tensorflow_python/tensorflow_python-hckq2htb.html 这里有各种tensorflow函数的应用