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))
|
