TensorFlow神经网络学习之张量与变量概念

目录
  • 一、张量定义
  • 二、张量属性
    • 1、张量的类型
    • 2、张量的阶
  • 三、张量的指令
    • 1、常数张量(普通)
    • 2、张量数组
      • 1、固定张量数组(0)
      • 2、固定张量数组(1)
      • 3、随机张量数组
    • 3、查看张量值
    • 4、张量类型改变
    • 5、张量形状改变
  • 代码
  • 四、变量
    • 1、定义变量
    • 2、初始化变量
    • 3、开启会话(执行)
  • 代码

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

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

2、张量的阶

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)

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)

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

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())

4、张量类型改变

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

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:

修改后:

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))

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))

以上就是TensorFlow神经网络学习之张量与变量概念的详细内容,更多关于TensorFlow的资料请关注我们其它相关文章!

(0)

相关推荐

  • 浅谈tensorflow中张量的提取值和赋值

    tf.gather和gather_nd从params中收集数值,tf.scatter_nd 和 tf.scatter_nd_update用updates更新某一张量.严格上说,tf.gather_nd和tf.scatter_nd_update互为逆操作. 已知数值的位置,从张量中提取数值:tf.gather, tf.gather_nd tf.gather indices每个元素(标量)是params某个axis的索引,tf.gather_nd 中indices最后一个阶对应于索引值. tf.ga

  • TensorFlow基本的常量、变量和运算操作详解

    简介 深度学习需要熟悉使用一个框架,本人选择了TensorFlow,一边学习一边做项目,下面简要介绍TensorFlow中的基本常量.变量和运算操作,参考斯坦福大学的cs20si和TensorFlow官网API. 常量 tf.constant() tf.constant(value, dtype=None, shape=None, name='Const', verify_shape=False),value为值,dtype类型,shape为张量形状,name名称.verify_shape默认F

  • Tensorflow 实现修改张量特定元素的值方法

    最近在做一个摘要生成的项目,过程中遇到了很多小问题,从网上查阅了许多别人解决不同问题的方法,自己也在旁边开了个jupyter notebook搞些小实验,这里总结一下遇到的一些问题. Tensorflow用起来不是很顺手,很大原因在于tensor这个玩意儿,并不像数组或者列表那么的直观,直接print的话只能看到 Tensor(-) 这样的提示.比如下面这个问题,我们想要修改张量特定位置上的某个数值,操作起来就相对麻烦一些.和array一样,张量也是可以分段读取的,比如 tensor[1:10]

  • 给 TensorFlow 变量进行赋值的方式

    ** 正如标题所示,本文介绍如何给TensorFlow 的 Variable变量进行赋值. ** 首先看代码: 然后就是运行结果: 咦,奇怪,居然没有赋值成功,然后我试了其他的方法,都不得行,但是又不想去弄一个什么占位符,增加代码的复杂性,所以,接下来, 代码这样修改,如下: 结果如下: 以上这篇给 TensorFlow 变量进行赋值的方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我们.

  • TensorFlow神经网络学习之张量与变量概念

    目录 一.张量定义 二.张量属性 1.张量的类型 2.张量的阶 三.张量的指令 1.常数张量(普通) 2.张量数组 1.固定张量数组(0) 2.固定张量数组(1) 3.随机张量数组 3.查看张量值 4.张量类型改变 5.张量形状改变 代码 四.变量 1.定义变量 2.初始化变量 3.开启会话(执行) 代码 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

  • Python深度学习TensorFlow神经网络基础概括

    目录 一.基础理论 1.TensorFlow 2.TensorFlow过程 1.构建图阶段 2.执行图阶段(会话) 二.TensorFlow实例(执行加法) 1.构造静态图 1-1.创建数据(张量) 1-2.创建操作(节点) 2.会话(执行) API: 普通执行 fetches(多参数执行) feed_dict(参数补充) 总代码 一.基础理论 1.TensorFlow tensor:张量(数据) flow:流动 Tensor-Flow:数据流 2.TensorFlow过程 TensorFlow

  • TensorFlow人工智能学习张量及高阶操作示例详解

    目录 一.张量裁剪 1.tf.maximum/minimum/clip_by_value() 2.tf.clip_by_norm() 二.张量排序 1.tf.sort/argsort() 2.tf.math.topk() 三.TensorFlow高阶操作 1.tf.where() 2.tf.scatter_nd() 3.tf.meshgrid() 一.张量裁剪 1.tf.maximum/minimum/clip_by_value() 该方法按数值裁剪,传入tensor和阈值,maximum是把数

  • Tensorflow深度学习使用CNN分类英文文本

    目录 前言 源码与数据 源码 数据 train.py 源码及分析 data_helpers.py 源码及分析 text_cnn.py 源码及分析 前言 Github源码地址 本文同时也是学习唐宇迪老师深度学习课程的一些理解与记录. 文中代码是实现在TensorFlow下使用卷积神经网络(CNN)做英文文本的分类任务(本次是垃圾邮件的二分类任务),当然垃圾邮件分类是一种应用环境,模型方法也可以推广到其它应用场景,如电商商品好评差评分类.正负面新闻等. 源码与数据 源码 - data_helpers

  • TensorFLow用Saver保存和恢复变量

    本文为大家分享了TensorFLow用Saver保存和恢复变量的具体代码,供大家参考,具体内容如下 建立文件tensor_save.py, 保存变量v1,v2的tensor到checkpoint files中,名称分别设置为v3,v4. import tensorflow as tf # Create some variables. v1 = tf.Variable(3, name="v1") v2 = tf.Variable(4, name="v2") # Cre

  • python神经网络学习使用Keras进行回归运算

    目录 学习前言 什么是Keras Keras中基础的重要函数 1.Sequential 2.Dense 3.model.compile 全部代码 学习前言 看了好多Github,用于保存模型的库都是Keras,我觉得还是好好学习一下的好 什么是Keras Keras是一个由Python编写的开源人工神经网络库,可以作Tensorflow.Microsoft-CNTK和Theano的高阶应用程序接口,进行深度学习模型的设计.调试.评估.应用和可视化. Keras相当于比Tensorflow和The

  • python神经网络学习利用PyTorch进行回归运算

    目录 学习前言 PyTorch中的重要基础函数 1.class Net(torch.nn.Module)神经网络的构建: 2.optimizer优化器 3.loss损失函数定义 4.训练过程 全部代码 学习前言 我发现不仅有很多的Keras模型,还有很多的PyTorch模型,还是学学Pytorch吧,我也想了解以下tensor到底是个啥. PyTorch中的重要基础函数 1.class Net(torch.nn.Module)神经网络的构建: PyTorch中神经网络的构建和Tensorflow

  • C#学习笔记整理_变量等基础语法(必看篇)

    C#学习笔记1: 变量的作用域冲突时,调用实例变量:this.a,调用类变量:类名.a 常量总是静态的,必须初始化,一般用全大写格式,声明关键字为const,如const int NUNBE = 10; C#的基本预定义类型内置于.NET Framework结构中(System),object是基类: 整型:System.SByte.System.Int16.System.Int32.System.Int64 有符号的8位.16位.32位.64位分别表示为sbyte.short.int.long

  • PHP学习之预定义变量(实例讲解)

    超全局变量 超全局变量–超全局变量是全部作用域中始终可用的内置变量 $GLOBALS 一个包含了全部变量的全局组合数组.变量的名字就是数组的键. <?php function test() { $foo = "local variable"; echo '$foo in global scope: ' . $GLOBALS["foo"] . "\n"; echo '$foo in current scope: ' . $foo . &quo

  • python使用tensorflow深度学习识别验证码

    本文介绍了python使用tensorflow深度学习识别验证码 ,分享给大家,具体如下: 除了传统的PIL包处理图片,然后用pytessert+OCR识别意外,还可以使用tessorflow训练来识别验证码. 此篇代码大部分是转载的,只改了很少地方. 代码是运行在linux环境,tessorflow没有支持windows的python 2.7. gen_captcha.py代码. #coding=utf-8 from captcha.image import ImageCaptcha # pi

随机推荐