如题所示
tensorflow 的数据到底是什么类型
在 Python 语言中, 返回的 tensor 是 numpy ndarray 对象; 在 C 和 C++ 语言中, 返回的 tensor 是 tensorflow::Tensor 实例.
1 2 3 4 5 6 7 8 9 10 11
| import tensorflow as tf import numpy as np a = tf.constant([[3,3]]) b = tf.constant([[2],[2]]) c = tf.matmul(a,b) sess = tf.Session() print(type(sess.run(c))) print(sess.run(c).dtype) sess.close()
|
tensor
TensorFlow 程序使用 tensor 数据结构来代表所有的数据, 计算图中, 操作间传递的数据都是 tensor. 你可以把 TensorFlow tensor 看作是一个 n 维的数组或列表. 一个 tensor 包含一个静态类型 rank, 和 一个 shape.
+(矩阵相加)
1 2 3 4 5 6 7 8
| import tensorflow as tf a = tf.constant([[1,2,3], [4,5,6]]) b = tf.constant([[4,5,6]]) sess = tf.Session() print(sess.run(a + b))
|
hello world
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
| import tensorflow as tf import numpy as np
x_data = np.random.rand(100).astype(np.float32) y_data = x_data * 0.1 + 0.3
Weights = tf.Variable(tf.random_uniform([1],-1.0,1.0)) biases = tf.Variable(tf.zeros([1]))
y = Weights * x_data + biases
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init) for step in range(201): sess.run(train) if step % 20 == 0: print(step,sess.run(Weights),sess.run(biases))
|