tensorflow張量的示例分析

這篇文章主要為大家分析了tensorflow張量的示例分析的相關(guān)知識點,內(nèi)容詳細易懂,操作細節(jié)合理,具有一定參考價值。如果感興趣的話,不妨跟著跟隨小編一起來看看,下面跟著小編一起深入學(xué)習(xí)“tensorflow張量的示例分析”的知識吧。

十載的通遼網(wǎng)站建設(shè)經(jīng)驗,針對設(shè)計、前端、開發(fā)、售后、文案、推廣等六對一服務(wù),響應(yīng)快,48小時及時工作處理。成都營銷網(wǎng)站建設(shè)的優(yōu)勢是能夠根據(jù)用戶設(shè)備顯示端的尺寸不同,自動調(diào)整通遼建站的顯示方式,使網(wǎng)站能夠適用不同顯示終端,在瀏覽器中調(diào)整網(wǎng)站的寬度,無論在任何一種瀏覽器上瀏覽網(wǎng)站,都能展現(xiàn)優(yōu)雅布局與設(shè)計,從而大程度地提升瀏覽體驗。創(chuàng)新互聯(lián)從事“通遼網(wǎng)站設(shè)計”,“通遼網(wǎng)站推廣”以來,每個客戶項目都認真落實執(zhí)行。

下面以示例的方式對張量做進一步的介紹。

很多指令(也就是結(jié)點)都能創(chuàng)建張量,比如tf.constant()等,小程這里舉幾個例子,重點演示對張量的操作。

(1)示例1:兩個常量相加

代碼如下:

import tensorflow as tf

f = tf.constant(100)

s = tf.constant(200)

sum = tf.add(f, s)

with tf.Session() as sess:

    print(sess.run(sum))

代碼構(gòu)建的圖大概是這樣的: 

tensorflow張量的示例分析

可以看到,張量f、s與sum,都是由相應(yīng)的指令(tf.constant與tf.add)產(chǎn)生的。在使用session評估張量sum時,整個圖的結(jié)點(指令)才被執(zhí)行。

以上代碼使用的是默認的圖(沒有指定就使用默認圖),也可以創(chuàng)建一個新的圖來使用,比如可以這樣寫代碼: 
tensorflow張量的示例分析

這段代碼構(gòu)建的圖跟上面的類似,只是每個結(jié)點有了命名,截圖如下: 
tensorflow張量的示例分析

(2)示例2:向量相加

代碼如下:

import tensorflow as tf

f = tf.ones([3], dtype=tf.int32)

s = tf.constant([1,2,3], dtype=tf.int32)

sum = tf.add(f, s)

with tf.Session() as sess:

    print(sum.eval())

這段代碼的解釋如下: 

tensorflow張量的示例分析

這段代碼構(gòu)建的圖跟示例1的一樣,只是張量的類型與值不同,執(zhí)行的結(jié)果如截圖: 
tensorflow張量的示例分析

(3)示例3:若干維的張量

前面小程有介紹過,張量可以有若干維,0維是常量,1維是矢量(vector),2維是矩陣。

以下代碼演示了0、1、2維的張量: 
tensorflow張量的示例分析

執(zhí)行結(jié)果如下: 
tensorflow張量的示例分析

使用函數(shù)get_shap()可以獲取維度信息,比如: 
tensorflow張量的示例分析

執(zhí)行結(jié)果如下: 
tensorflow張量的示例分析

(4)示例4:矩陣相乘

代碼如下: 
tensorflow張量的示例分析

執(zhí)行結(jié)果: 
tensorflow張量的示例分析

對于矩陣張量,可以修改它的行列數(shù),或者維度,比如這樣: 
tensorflow張量的示例分析

(5)示例5:變量的使用

變量也是張量,指令tf.Variable()創(chuàng)建一個變量,并設(shè)置一個值,但是,tf對于變量的賦值是很“奇怪”的,tf.Variable(xxx)并不會賦值,必需像以下那樣執(zhí)行tf.global_variables_initializer()才會賦值。在使用變量之前,必須先賦值,否則會引發(fā)異常: 
tensorflow張量的示例分析

變量的特點是可以賦以新的值,但需要注意,tf.assign()返回的是一個指令(結(jié)點),在這個指令執(zhí)行之前,變量并不會賦以新的值,詳情可以參考下面的代碼說明: 
tensorflow張量的示例分析

執(zhí)行結(jié)果是這樣的: 
tensorflow張量的示例分析

關(guān)于“tensorflow張量的示例分析”就介紹到這了,更多相關(guān)內(nèi)容可以搜索創(chuàng)新互聯(lián)以前的文章,希望能夠幫助大家答疑解惑,請多多支持創(chuàng)新互聯(lián)網(wǎng)站!

新聞名稱:tensorflow張量的示例分析
分享網(wǎng)址:http://bm7419.com/article28/igcsjp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供營銷型網(wǎng)站建設(shè)、虛擬主機建站公司、App設(shè)計網(wǎng)站收錄、定制開發(fā)

廣告

聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請盡快告知,我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場,如需處理請聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時需注明來源: 創(chuàng)新互聯(lián)

商城網(wǎng)站建設(shè)