【TensorFlow】笔记：基础知识-变量-技术圈

【TensorFlow】笔记：基础知识-变量

共 1432字，需浏览 3分钟

· 2021-01-30

点击上方“公众号”可订阅哦！

TensorFlow 变量是用于表示程序处理的共享持久状态的推荐方法。本指南介绍在 TensorFlow 中如何创建、更新和管理 tf.Variable 的实例。

变量通过 tf.Variable 类进行创建和跟踪。tf.Variable 表示张量，对它执行运算可以改变其值。利用特定运算可以读取和修改此张量的值。更高级的库（如 tf.keras）使用 tf.Variable 来存储模型参数。

创建变量

创建变量

import tensorflow as tfmy_tensor = tf.constant([[1.0, 2.0], [3.0, 4.0]])my_variable = tf.Variable(my_tensor)

变量可以是各种类型，就像张量一样

bool_variable = tf.Variable([False, False, False, True])complex_variable = tf.Variable([5 + 4j, 6 + 1j])

变量与张量的定义方式和操作行为都十分相似，实际上，它们都是 tf.Tensor 支持的一种数据结构。与张量类似，变量也有 dtype 和形状，并且可以导出至 NumPy。

print("Shape: ",my_variable.shape)print("DType: ",my_variable.dtype)print("As NumPy: ", my_variable.numpy)
# outputShape:  (2, 2)DType:  'float32'>As NumPy:  'Variable:0' shape=(2, 2) dtype=float32, numpy=array([[1., 2.],       [3., 4.]], dtype=float32)>>

大部分张量运算在变量上也可以按预期运行，不过变量无法重构形状。

print("A variable:",my_variable)print("\nViewed as a tensor:", tf.convert_to_tensor(my_variable))print("\nIndex of highest value:", tf.argmax(my_variable))
# This creates a new tensor; it does not reshape the variable.print("\nCopying and reshaping: ", tf.reshape(my_variable, ([1,4]))
# outputA variable: 'Variable:0' shape=(2, 2) dtype=float32, numpy=array([[1., 2.],       [3., 4.]], dtype=float32)>
Viewed as a tensor: tf.Tensor([[1. 2.] [3. 4.]], shape=(2, 2), dtype=float32)
Index of highest value: tf.Tensor([1 1], shape=(2,), dtype=int64)
Copying and reshaping:  tf.Tensor([[1. 2. 3. 4.]], shape=(1, 4), dtype=float32)

参考文献：文档主要参考TensorFlow官网

点击上方“蓝字”关注本公众号

END

扫码关注

微信号｜sdxx_rmbj