Fork me on GitHub

variable与constant的用法

发表于 | 分类于
字数统计: 509 | 阅读时长 ≈ 2

variable与constant

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
#author:victor

#import module
import tensorflow as tf
#常量constant
#tf.constant()函数定义
#def constant(value,dtype=None,shape=None,name='Const',verify_shape=False):
    #value:符合tf中定义的数据类型的常数值或者常数列表
    #dtype:数据类型，可选
    #shape：常量的形状，可选
    #name:常量的名字，可选
    #verify_shape:常量的形状是否可以被更改，默认不可更改
#Simple hello world using TensorFlow
#The op is added as a node to the default graph
#The value returned by the constructor represents the output of the Constant op.

hello=tf.constant("Hello,TensorFlow!")
# Constant 1-D Tensor populated with value list.
tensor1 = tf.constant([1, 2, 3, 4, 5, 6, 7])

# Constant 2-D tensor populated with scalar value -1.
tensor2 = tf.constant(-1.0, shape=[2, 3])

#变量Variable
#tf.Variable()函数定义
#def Variable(initializer,name):
    #initializer:是初始化参数 
    #name:可自定义的变量名
tensor3=tf.Variable(tf.random_normal(shape=[4,3],mean=0,stddev=1),name='tensor3')
#def random_normal(shape,mean=0.0,stddev=1.0,dtype=dtypes.float32,seed=None,name=None):
    #shape:变量的形状，必选，shape=[4,3]，4行3列矩阵
    #mean:正态分布（the normal distribution）的均值E(x)，默认是0
    #stddev:正态分布的标准差sqrt(D(x))，默认是1.0
    #dtype：输出的类型，默认为tf.float32
    #seed:随机数种子，是一个整数，当设置后，每次运行的时候生成的随机数都一样
    #name:操作的名称
#Start tf session
#推荐适用with tf.Session() as sess，因为它创建完Session后可以自动关闭上下文
#一个Session对象封装了Operation执行对象的环境，并对Tensor对象进行计算
with tf.Session() as sess:
    #Run graph
    print(sess.run(hello))
    print(sess.run(tensor1))
    print(sess.run(tensor2))
    #必须要加上这句，初始化全局变量，否则会报错Attempting to use uninitialized value tensor3
    sess.run(tf.global_variables_initializer())
    print(sess.run(tensor3))

运行结果：

variable与constant

variable的用法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
#author:victor
#Variable变量的用法
#import module
import tensorflow as tf

#define the variable
state=tf.Variable(0,name='counter')
#print(state.name)
con=tf.constant(1)

new_value=tf.add(state,con)
update=tf.assign(state,new_value)

#must have if define variable,使用变量Variable必须使用
init=tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    for _ in range(3):
        sess.run(update)
        print(sess.run(state))

运行结果

variable