TensorFlow之变量的使用

目录

• 前言
• 示例

前言

变量和常量相对, 变量定义之后可以改变值。变量通过tf.Variable来定义。

示例

变量通过tf.Variable来定义。

import tensorflow as tf


v = tf.Variable([[1., 2., 3.], [4., 5., 6.]])
# 打印的是Variable对象
print(v)
# 打印的是变量的值的tensor
print(v.value())
# 打印的是ndarray
print(v.numpy())

结果如下：

<tf.Variable 'Variable:0' shape=(2, 3) dtype=float32, numpy=
array([[1., 2., 3.],
       [4., 5., 6.]], dtype=float32)>
tf.Tensor(
[[1. 2. 3.]
 [4. 5. 6.]], shape=(2, 3), dtype=float32)
[[1. 2. 3.]
 [4. 5. 6.]]

对变量进行赋值:

import tensorflow as tf


v = tf.Variable([[1., 2., 3.], [4., 5., 6.]])

# 对变量之间赋值, 所有位置乘于2
v.assign(2*v)
print(v.numpy())
# 对变量的某个位置进行赋值
v[0, 1].assign(42)
print(v.numpy())
# 对变量的某一行赋值
v[1].assign([7., 8., 9.])
print(v.numpy())

结果如下：

[[ 2.  4.  6.]
 [ 8. 10. 12.]]
[[ 2. 42.  6.]
 [ 8. 10. 12.]]
[[ 2. 42.  6.]
 [ 7.  8.  9.]]

变量赋值必须使用assign, 不能直接用=.

import tensorflow as tf

v = tf.Variable([[1., 2., 3.], [4., 5., 6.]])

try:
    v[1] = [7., 8., 9.]
except TypeError as ex:
    print(ex)

结果如下：

'ResourceVariable' object does not support item assignment