TensorFlow學習（2） 變數

在tensorflow中，變數(variable)是特殊的張量(tensor)，它的值可以是乙個任何型別和形狀的張量。

與其他張量不同，變數存在於單個 session.run 呼叫的上下文之外，也就是說，變數儲存的是持久張量，當訓練模型時，用變數來儲存和更新引數。除此之外，在呼叫op之前，所有變數都應被顯式地初始化過。

import tensorflow as tf

x = tf.variable([1
,2])
a = tf.constant([3
,3])
sub = tf.subtract(x, a)
# 增加乙個減法op
add = tf.add(x, sub)
# 增加乙個加法op
# 注意變數再使用之前要再sess中做初始化，但是下邊這種初始化方法不會指定變數的初始化順序
init = tf.global_variables_initializer(
)#全域性變數初始化
with tf.session(
)as sess:
sess.run(init)
print
(sess.run(sub)
)print
(sess.run(add)
)# 建立乙個名字為『counter』的變數 初始化0
state = tf.variable(
0, name=
'counter'
)new_value = tf.add(state,1)
# 建立乙個op，作用是使state加1
update = tf.assign(state, new_value)
# 賦值op,不能直接用等號賦值，作用是 state = new_value，借助tf.assign()函式
init = tf.global_variables_initializer(
)#全域性變數初始化
with tf.session(
)as sess:
sess.run(init)
print
(sess.run(state)
)for _ in
range(5
):#迴圈5次
sess.run(update)
print
(sess.run(state)
)

init = tf.global_variables_initializer()

sess.run(init)

update = tf.assign(state, new_value) # 作用是 state = new_value

Tensorflow學習筆記2

參考 1 classification分類學習 from tensorflow.examples.tutorials.mnist import input data mnist input data.read data sets mnist data one hot true mnist庫是手寫體數...

Tensorflow學習之旅 2

暑假就在接觸tensorflow了，但是一直斷斷續續的，所以現在又開始撿起來繼續學。ps 我用的 源於 大佬寫的很好，我也是跟著他的 在他的 上，寫上 自己的理解。import tensorflow as tf 定義 定義乙個變數，可以理解為 var是在 的命名，而myvar是tensorflow變...

tensorflow學習小記2

乙個完整的神經網路例項 在乙個模擬資料及上訓練神經網路來訓練二分類問題 import tensorflow as tf from numpy.random import randomstate 雖然報錯並不影響使用，這在random中是私有 batch size 8 w1 tf.variable t...