TensorFlow1

bash 复制代码
tf.session()

用于运行TensorFlow操作的类

一个Session对象封装了Operation执行对象的环境,并对Tensor对象进行计算,例如:

bash 复制代码
a=tf.constant(5.0)
b=tf.constant(6.0)
c=a*b
sess=tf.Session()
print(sess.run(c))
bash 复制代码
tf.constant()
tf​.​constant​(​value​,​ dtype​=​None​,​ shape​=​None​,​ name​=​'Const'​,​ verify_shape​=​False) #value是一个必须值,可以是一个数值,也可以是一个列表,可以是一维的,也可以是多维的
# dtype:数据类型,一般可以是tf.float32,tf.float64
# shape:表示张量的形状,及维数以及每一维的大小
# name:可以是任何字符串
#verify_shape:默认false,true表示检查value是否与shape的形状相符,不相符报错
bash 复制代码
#构建数值常量
tensor=tf.constant(1)
#用去值函数eval()来查看创建的tensor的值
sess=tf.Session()
with sess.as_default():
	print("结果是:",tensot.eval())
tensor = tf.constant([1,2,3])
with sess.as_default():
    print('结果是:',tensor.eval())

tensor = tf.constant(-1,shape=[2,3])
with sess.as_default():
    print('结果是:',tensor.eval())

tensor = tf.constant([1,2,3,4,5,6],shape=[2,3])
with sess.as_default():
    print('结果是:',tensor.eval())
    a=tf.zeros([2,3],dtype=tf.float32,name=None)
with sess.as_default():
    print('结果是:',a.eval())
a=tf.ones([2,3],dtype=tf.int32)
with sess.as_default():
    print('结果是:',a.eval())
a=tf.fill([3,2],8)
with sess.as_default():
    print('结果是:',a.eval())

a=tf.linspace(0.0,1.0,10,name=None)
with sess.as_default():
    print('结果是:',a.eval())

a=tf.range(0,5,1)
with sess.as_default():
    print('结果是:',a.eval())
相关推荐
AI技术控2 小时前
《Transformers are Inherently Succinct》论文解读:从“能表达什么”到“多紧凑地表达”
人工智能·python·深度学习·机器学习·自然语言处理
Robot_Nav4 小时前
深度学习与强化学习面试八股文知识点汇总
人工智能·深度学习·强化学习
一颗牙牙6 小时前
安装mmcv
开发语言·python·深度学习
paperClub8 小时前
AACR 2026 · AI诊断:深度学习在肿瘤早期检测中的应用
人工智能·深度学习
AI医影跨模态组学9 小时前
NPJ Precis Oncol(IF=8)中国科学院深圳先进技术研究院吴红艳教授等团队:深度可解释放射基因组学解析乳腺MRI肿瘤微环境
人工智能·深度学习·论文·医学·医学影像
大模型最新论文速读9 小时前
05-15 · LLM 最新论文速览
论文阅读·人工智能·深度学习·机器学习·自然语言处理
数智工坊9 小时前
【DINOv2论文阅读】:无需监督的通用视觉特征提取器——机器人VLA模型的“眼睛“基石
论文阅读·人工智能·深度学习·计算机视觉·transformer
一切皆是因缘际会10 小时前
AI低代码开发实战:轻量化部署与多场景落地
人工智能·深度学习·低代码·机器学习·ai·架构
EnCi Zheng10 小时前
09-斯坦福CS336作业 [特殊字符]
人工智能·pytorch·python·深度学习·神经网络
Hali_Botebie10 小时前
【量化】Post-training quantization for vision transformer.
人工智能·深度学习·transformer