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
大鱼>2 小时前
深入Real-ESRGAN架构:RRDBNet设计精髓与ONNX/TensorRT部署优化
人工智能·深度学习·架构
2zcode3 小时前
项目文档:基于MATLAB深度卷积神经网络的肺癌CT影像智能检测系统设计与实现
深度学习·matlab·cnn
m沐沐3 小时前
【深度学习】卷积神经网络 数据增强、保存最优模型实现,详细解读
人工智能·python·深度学习·机器学习·cnn·数据增强
硅谷秋水4 小时前
PhyGround:生成式世界模型中的物理推理基准测试
人工智能·深度学习·机器学习·计算机视觉·语言模型
coder_zrx4 小时前
大语言模型训练范式:从 GPT 到 Llama 的 RLHF 演进
人工智能·深度学习
不懒不懒4 小时前
Windows 深度学习环境配置(CUDA12.8 + cuDNN9.x + PyTorch)最简避坑指南(2026 最新)
人工智能·pytorch·深度学习
Kobebryant-Manba5 小时前
Hugging Face中transformers库
人工智能·深度学习·机器学习·bert
ForDreamMusk6 小时前
高级优化器
人工智能·深度学习
Kobebryant-Manba6 小时前
Bert预训练代码
人工智能·深度学习·bert
在水一缸6 小时前
深度解析 Grok 4.5:当推理模型遇上大规模工程实践
人工智能·深度学习·大模型·工程实践·推理模型·混合专家架构·grok 4.5