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(shí)點(diǎn)，內(nèi)容詳細(xì)易懂，操作細(xì)節(jié)合理，具有一定參考價(jià)值。如果感興趣的話(huà)，不妨跟著跟隨小編一起來(lái)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(shí)吧。

十載的通遼網(wǎng)站建設(shè)經(jīng)驗(yàn)，針對(duì)設(shè)計(jì)、前端、開(kāi)發(fā)、售后、文案、推廣等六對(duì)一服務(wù)，響應(yīng)快，48小時(shí)及時(shí)工作處理。成都營(yíng)銷(xiāo)網(wǎng)站建設(shè)的優(yōu)勢(shì)是能夠根據(jù)用戶(hù)設(shè)備顯示端的尺寸不同，自動(dòng)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(wú)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(jì)，從而大程度地提升瀏覽體驗(yàn)。創(chuàng)新互聯(lián)從事“通遼網(wǎng)站設(shè)計(jì)”,“通遼網(wǎng)站推廣”以來(lái)，每個(gè)客戶(hù)項(xiàng)目都認(rèn)真落實(shí)執(zhí)行。

下面以示例的方式對(duì)張量做進(jìn)一步的介紹。

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

（1）示例1：兩個(gè)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： 

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(píng)估張量sum時(shí)，整個(gè)圖的結(jié)點(diǎn)（指令）才被執(zhí)行。

以上代碼使用的是默認(rèn)的圖（沒(méi)有指定就使用默認(rèn)圖），也可以創(chuàng)建一個(gè)新的圖來(lái)使用，比如可以這樣寫(xiě)代碼： 

這段代碼構(gòu)建的圖跟上面的類(lèi)似，只是每個(gè)結(jié)點(diǎn)有了命名，截圖如下： 

（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： 

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

（3）示例3：若干維的張量

前面小程有介紹過(guò)，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： 

執(zhí)行結(jié)果如下： 

使用函數(shù)get_shap()可以獲取維度信息，比如： 

執(zhí)行結(jié)果如下： 

（4）示例4：矩陣相乘

代碼如下： 

執(zhí)行結(jié)果： 

對(duì)于矩陣張量，可以修改它的行列數(shù)，或者維度，比如這樣： 

（5）示例5：變量的使用

變量也是張量，指令tf.Variable()創(chuàng)建一個(gè)變量，并設(shè)置一個(gè)值，但是，tf對(duì)于變量的賦值是很“奇怪”的，tf.Variable(xxx)并不會(huì)賦值，必需像以下那樣執(zhí)行tf.global_variables_initializer()才會(huì)賦值。在使用變量之前，必須先賦值，否則會(huì)引發(fā)異常： 

變量的特點(diǎn)是可以賦以新的值，但需要注意，tf.assign()返回的是一個(gè)指令（結(jié)點(diǎn)），在這個(gè)指令執(zhí)行之前，變量并不會(huì)賦以新的值，詳情可以參考下面的代碼說(shuō)明： 

執(zhí)行結(jié)果是這樣的： 

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(qǐng)多多支持創(chuàng)新互聯(lián)網(wǎng)站！

新聞名稱(chēng)：tensorflow張量的示例分析
分享網(wǎng)址：http://aaarwkj.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(yíng)銷(xiāo)型網(wǎng)站建設(shè)、虛擬主機(jī)、建站公司、App設(shè)計(jì)、網(wǎng)站收錄、定制開(kāi)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(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：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(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)