tensorflow张量的示例分析

这篇文章主要为大家分析了tensorflow张量的示例分析的相关知识点，内容详细易懂，操作细节合理，具有一定参考价值。如果感兴趣的话，不妨跟着跟随小编一起来看看，下面跟着小编一起深入学习"tensorflow张量的示例分析"的知识吧。

下面以示例的方式对张量做进一步的介绍。

很多指令（也就是结点）都能创建张量，比如tf.constant()等，小程这里举几个例子，重点演示对张量的操作。

（1）示例1：两个常量相加

代码如下：

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))

代码构建的图大概是这样的：

可以看到，张量f、s与sum，都是由相应的指令（tf.constant与tf.add）产生的。在使用session评估张量sum时，整个图的结点（指令）才被执行。

以上代码使用的是默认的图（没有指定就使用默认图），也可以创建一个新的图来使用，比如可以这样写代码：

这段代码构建的图跟上面的类似，只是每个结点有了命名，截图如下：

（2）示例2：向量相加

代码如下：

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())

这段代码的解释如下：

这段代码构建的图跟示例1的一样，只是张量的类型与值不同，执行的结果如截图：

（3）示例3：若干维的张量

前面小程有介绍过，张量可以有若干维，0维是常量，1维是矢量（vector），2维是矩阵。

以下代码演示了0、1、2维的张量：

执行结果如下：

使用函数get_shap()可以获取维度信息，比如：

执行结果如下：

（4）示例4：矩阵相乘

代码如下：

执行结果：

对于矩阵张量，可以修改它的行列数，或者维度，比如这样：

（5）示例5：变量的使用

变量也是张量，指令tf.Variable()创建一个变量，并设置一个值，但是，tf对于变量的赋值是很"奇怪"的，tf.Variable(xxx)并不会赋值，必需像以下那样执行tf.global_variables_initializer()才会赋值。在使用变量之前，必须先赋值，否则会引发异常：

变量的特点是可以赋以新的值，但需要注意，tf.assign()返回的是一个指令（结点），在这个指令执行之前，变量并不会赋以新的值，详情可以参考下面的代码说明：

执行结果是这样的：

关于"tensorflow张量的示例分析"就介绍到这了,更多相关内容可以搜索以前的文章，希望能够帮助大家答疑解惑，请多多支持网站！