TensorFlow 学习
来源:互联网 发布:华西附二院抢号软件 编辑:程序博客网 时间:2024/06/05 19:24
变量是存储和更新参数的。变量会被放入内存中。
变量的创建和初始化:
函数Variable(),初始值可以是随机值也可以是常量,初始值需要制定shape,通常shape是固定的,但是也可以通过一些高级方法调整。创建变量之后需要定义一个初始化的操作,而且在使用任何变量之前需要运行初始化的操作。
例如:
import tensorflow as tf#创建变量并指定shapeweights = tf.Variable(tf.random_normal([20,10], stddev=0.35), name="weights")biases = tf.Variable(tf.zeros([10]), name="biases")#定义初始化的操作init = tf.initialize_all_variables()#在运行模型之前需要首先初始化with tf.Session() as sess: sess.run(init) print weights.eval() print biases.eval()
tf.initialize_all_variables() 这个OP并行的初始化所有的变量。所以在用一个变量的值给另外一个变量初始化的时候要注意
变量也可以初始化为常量,
序列 : tf.linspace() tf.range()
随机数: tf.random_normal(shape, mean=0.0, stddev=1.0. dtype=tf.float32, seed=None, name=None) 正态分布
变量的保存和加载:
训练模型之后保存模型,一般用 tf.train.Saver 如下:
import tensorflow as tf#创建变量v1 = tf.Variable([1,2,3,4,5], name="v1")v2 = tf.Variable([11,12,13,14], name="v2")#并行初始化的opinit = tf.initialize_all_variables()#保存变量的opsaver = tf.train.Saver()with tf.Session() as sess: sess.run(init) #模型的一些op print v1.eval() print v2.eval() #保存变量 save_path = saver.save(sess,"model/model.ckpt") print "Model saved in file:", save_path
加载:
import tensorflow as tfv3 = tf.Variable([0,0,0,0,0], name='v1')v4 = tf.Variable([0,0,0,0], name='v2')saver = tf.train.Saver()with tf.Session() as sess: saver.restore(sess,"model/model.ckpt") print "Model restored." print v3.eval() print v4.eval()在从文件中恢复的时候,不需要事先初始化。tf.Variable()里的name参数一定要与原来的变量名称一致,这样才能恢复到对应的变量。
阅读全文
1 0
- TensorFlow 学习
- Tensorflow学习
- 学习tensorflow
- Tensorflow学习
- TensorFlow 学习
- TensorFlow 学习
- TensorFlow 学习
- TensorFlow 学习
- TensorFlow学习
- Tensorflow学习
- tensorflow学习
- tensorflow学习
- tensorflow学习
- TensorFlow 学习
- TensorFlow学习1--TensorFlow基本概念
- [TensorFlow] TensorFlow学习的方向
- TensorFlow学习笔记-1
- TensorFlow学习总结
- Android程序猿带你学python第2章--逻辑控制
- 按顺序输出ceo
- 读《大话数据结构》有感
- 4红牌、4蓝牌算法实现
- 最重要的事
- TensorFlow 学习
- 几个String对象的面试题,很经典
- JavaUtils-自定义注解校验格式
- Python爬一爬网易云音乐(几百万评论)
- linux系统命令总结(一)
- C++设计模式——原型模式
- GC的四种清理算法
- java中if与switch-case语句的使用及一些注意事项
- Java内存模型