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
Narrastory2 小时前
明日香 - Pytorch 快速入门保姆级教程(一)
人工智能·pytorch·深度学习
Narrastory2 小时前
明日香 - Pytorch 快速入门保姆级教程(二)
人工智能·pytorch·深度学习
程序员打怪兽1 天前
详解Visual Transformer (ViT)网络模型
深度学习
CoovallyAIHub3 天前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
YOLO-IOD深度解析:打破实时增量目标检测的三重知识冲突
深度学习·算法·计算机视觉
用户1474853079744 天前
AI-动手深度学习环境搭建-d2l
深度学习
OpenBayes贝式计算4 天前
解决视频模型痛点,TurboDiffusion 高效视频扩散生成系统;Google Streetview 涵盖多个国家的街景图像数据集
人工智能·深度学习·机器学习