代码及分析

import tensorflow as tfx = tf.Variable([1, 2])
a = tf.constant([3, 3])sub = tf.subtract(x, a)
add = tf.add(x, sub)init_op = tf.global_variables_initializer()
with tf.Session() as sess:sess.run(init_op)print(sess.run(sub))  # [-2 -1]print(sess.run(add))  # [-1  1]# 创建一个变量，初始化为0
state = tf.Variable(0, name="counter")
# 创建一个op，作用是使state加1
new_value = tf.add(state, 1)
# 下面是一个赋值op
update = tf.assign(state, new_value)
with tf.Session() as sess:sess.run(tf.global_variables_initializer())print(sess.run(state))for _ in range(5):print(sess.run(update))
#        sess.run(tf.assign(state, new_value))print(sess.run(state))
'''
这一块的输出结果：
0
1
1
2
2
3
3
4
4
5
5
'''

tf.Variable(initial_value=None, trainable=True, collections=None, validate_shape=True, caching_device=None, name=None, variable_def=None, dtype=None, expected_shape=None, import_scope=None
)
作用：生成一个变量，维护图在执行过程中的状态信息
initial_value=None：Variable 类的初始值，这个变量必须指定 shape 信息，否则后面 validate_shape 需设为 False
trainable=True：是否把变量添加到 collection GraphKeys.TRAINABLE_VARIABLES 中（collection 是一种全局存储，不受变量名生存空间影响，一处保存，到处可取）
collections=None：全局存储，默认是 GraphKeys.GLOBAL_VARIABLES
validate_shape=True：是否允许被未知维度的 initial_value 初始化
caching_device=None：指明哪个 device 用来缓存变量
name=None：变量名
variable_def=None：
dtype=None：如果被设置，初始化的值就会按照这个类型初始化
expected_shape=None：要是设置了，那么初始的值会是这种维度
import_scope=None：
另一篇博客中有介绍
tf.subtract(x, y, name=None)
作用：返回 x-y 的元素.
注意：Subtract 支持广播.
tf.add(x,y,name=None)
作用：返回 x+y 的元素.
注意：Subtract 支持广播.
tf.global_variables_initializer()
作用：添加节点用于初始化全局变量(GraphKeys.GLOBAL_VARIABLES)。返回一个初始化所有全局变量的操作（Op）。
与之相对应的有一个tf.local_variables_initializer()：返回一个初始化所有局部变量的操作（Op）。初始化局部变量（GraphKeys.LOCAL_VARIABLE）。
tf.assign(ref, value, validate_shape=None, use_locking=None, name=None)
作用：函数完成了将value赋值给ref的作用。

炼数成金Tensorflow学习笔记之2.2_变量相关推荐

炼数成金Tensorflow学习笔记之2.4_Tensorflow简单示例
炼数成金Tensorflow学习笔记之2.4_Tensorflow简单示例代码及分析代码及分析 # -*- coding: utf-8 -*- """ Created ...
【备忘】2017年最新炼数成金机器读心术之神经网络与深度学习视频教程
课程大纲: 第1课跌宕起伏70年:神经网络发展概述:最简单的神经元仿生:单层感知器. 第2课线性神经网络,BP神经网络,基于梯度下降的各种学习算法:BP神经网络应用:信用识别:为什么BP网络丌能支 ...
炼数成金数据分析课程---8、数据清洗
炼数成金数据分析课程---8.数据清洗一.总结一句话总结: 数据分析课程的实质是:介绍库中的函数:介绍py的3个常用的数据分析库(numpy,pandas,scipy)的函数的操作实例:其实找几 ...
炼数成金数据分析课程---16、机器学习中的分类算法（交叉内容，后面要重点看）...
炼数成金数据分析课程---16.机器学习中的分类算法(交叉内容,后面要重点看) 一.总结一句话总结: 大纲+实例快速学习法主要讲解常用分类算法(如Knn.决策树.贝叶斯分类器等)的原理及pytho ...
炼数成金数据分析课程---17、机器学习聚类算法（后面要重点看）
炼数成金数据分析课程---17.机器学习聚类算法(后面要重点看) 一.总结一句话总结: 大纲+实例快速学习法主要讲解常用聚类算法(比如K-means等)的原理及python代码实现:后面学习聚类的 ...
炼数成金数据分析课程---13、回归分析
炼数成金数据分析课程---13.回归分析一.总结一句话总结: 大纲+实例快速学习法主要内容是回归分析的原理及编程实现 1.回归分析是什么? 通过建立模型来研究变量之间相互关系的密切程度.结构状态 ...
python数据内容_炼数成金：Python数据分析内容分享
相信看这篇文章的每一位朋友,都有过努力学习炼数成金:Python数据分析这个课程.提升自我的想法, 可是学习是一件非常反人性的事情,大多数人都是晚上想想千条路,早上醒来走原路. 也相信很 ...
炼数成金R七种武器之金融数据分析quantmod
更多资源进群: 377215114 炼数成金<数据分析,展现与R语言>课程上线已经有18个月,至今已经培训了近千名学员,对在中国推动开源数据分析软件起到了重要作用.应广大受众的要求,我们在 ...
炼数成金数据分析课程---7、数据分析简介
炼数成金数据分析课程---7.数据分析简介一.总结一句话总结: 我终于知道他们是要做一些什么样的工作了 1.我们导入了数据,是否可以立即进行数据分析? 需要对数据做预处理:比如去除脏数据这些 2. ...

炼数成金Tensorflow学习笔记之2.2_变量

炼数成金Tensorflow学习笔记之2.2_变量

代码及分析

炼数成金Tensorflow学习笔记之2.2_变量相关推荐

最新文章

热门文章