优德娱乐场w88手机版:一个值得你收藏的教程网站

最新下载

TensorFlow Session会话控制&Variable变量详解

时间:2018-08-01 16:01:16 编辑:猪哥 来源:转载

这篇文章主要讲TensorFlow中的Session的用法以及Variable。

Session会话控制

Session是TensorFlow为了控制和输出文件的实行语句,运行session.run()就能获得运算结果或者部分运算结果。大家在这里使用一个简单的矩阵相乘的例子来说明Session的两个用法。

首先大家要加载TensorFlow并建立两个矩阵以及两个矩阵所做的运算。这里大家建立一个一行两列的matrix1和一个两行一列的matrix2,让它们做矩阵的乘法。tf.matmul相当于numpy中的dot方法,都是做矩阵的product。

import tensorflow as tf

matrix1 = tf.constant([[2, 2]])
matrix2 = tf.constant([[2], [2]])

product = tf.matmul(matrix1, matrix2)

接下来大家使用第一种会话控制Session来激活product并得到计算结果:

sess = tf.Session()
result = sess.run(product)
print(result)
sess.close()

运行结果为:[[8]]

还有另外一种Session的打开模式同样可以激活product:

with tf.Session() as sess:
 result2 = sess.run(product)
 print(result2)

运行结果同样是[[8]]。在这里大家不需要大家单独做sess.close()的操作。

variable变量

与python的变量不同,在TensorFlow中如果大家要定义一个变量,必须使用tf.Variable()来定义它才是个变量,括号中可以包含的参数有变量的值,变量的名称等。这里大家用一个简单的加法运算来说明变量的用法。

首先导入tensorflow并定义变量state, 常量one,以及运算方法tf.add, tf.assign

import tensorflow as tf

state = tf.Variable(0, name='counter')
# 输出变量名
print(state.name)
one = tf.constant(1)

new_value = tf.add(state, one)
# 将new_value加载到state里面,这时state的值就是new_value
update = tf.assign(state, new_value)

大家可以将变量打印出来得到变量的信息:

init = tf.global_variables_initializer()

接下来大家就要用Session来将变量激活进行运算,并打印出state的结果:

with tf.Session() as sess:
 sess.run(init)
 for _ in range(3):
  sess.run(update)
  print(sess.run(state))

这里大家让update运行3次,也就是做3次加法,运行结果为:

TensorFlow Session会话控制&Variable变量详解

文章评论

热门栏目

XML 地图 | Sitemap 地图