tf.Variable()
来源:互联网 发布:html js添加class 编辑:程序博客网 时间:2024/05/22 03:13
主要参考这里点击打开链接,当训练模型时,用变量来存储和更新参数。变量包含张量 (Tensor)存放于内存的缓存区。建模时它们需要被明确地初始化,模型训练后它们必须被存储到磁盘。这些变量的值可在之后模型训练和分析是被加载。
当创建一个变量时,你将一个张量
作为初始值传入构造函数Variable()
。TensorFlow提供了一系列操作符来初始化张量,初始值是常量或是随机值。
注意,所有这些操作符都需要你指定张量的shape。那个形状自动成为变量的shape。变量的shape通常是固定的,但TensorFlow提供了高级的机制来重新调整其行列数。
初始化
变量的初始化必须在模型的其它操作运行之前先明确地完成。最简单的方法就是添加一个给所有变量初始化的操作,并在使用模型之前首先运行那个操作。
使用tf.initialize_all_variables()
添加一个操作对变量做初始化。记得在完全构建好模型并加载之后再运行那个操作。
栗子:
import tensorflow as tfa1 = tf.Variable(tf.random_normal(shape=[2,3], mean=0, stddev=1), name='a1') a2 = tf.Variable(tf.constant(1), name='a2') a3 = tf.Variable(tf.ones(shape=[2,3]), name='a3') with tf.Session() as sess: sess.run(tf.global_variables_initializer()) print("a1 is %s\n"%(a1)) print("a1 value is =\n%s\n"%sess.run(a1)) print("a2 is %s\n"%(a2)) print("a2 value is =\n%s\n"%sess.run(a2)) print("a3 is %s\n"%(a3)) print("a3 value is =\n%s\n"%sess.run(a3))
由另一个变量初始化
用其它变量的值初始化一个新的变量时,使用其它变量的initialized_value()
属性。你可以直接把已初始化的值作为新变量的初始值,或者把它当做tensor计算得到一个值赋予新变量。
栗子:
import tensorflow as tfa1 = tf.Variable(tf.random_normal(shape=[2,3], mean=0, stddev=1), name='a1') a2 = tf.Variable(tf.constant(1), name='a2') a3 = tf.Variable(tf.ones(shape=[2,3]), name='a3') a4=tf.Variable(a1.initialized_value(),name='a4')#这里用a1变量初始化a4with tf.Session() as sess: sess.run(tf.global_variables_initializer()) print("a1 is %s\n"%(a1)) print("a1 value is =\n%s\n"%sess.run(a1)) print("a2 is %s\n"%(a2)) print("a2 value is =\n%s\n"%sess.run(a2)) print("a3 is %s\n"%(a3)) print("a3 value is =\n%s\n"%sess.run(a3)) print("a4 is %s\n"%(a4)) print("a4 value is =\n%s\n"%sess.run(a4))
阅读全文
0 0
- tf.Variable
- tf.Variable()
- tf.Variable()
- tf.Variable
- tf.name_scope&tf.variable scope
- TensorFlow--tf.Variable
- tensorflow API:tf.Variable
- tf.get_variable() vs tf.Variable(),tf.name_scope() vs tf.variable_scope()
- tf.get_variable() vs tf.Variable(),tf.name_scope() vs tf.variable_scope()
- TensorFlow 插曲-- tf.placeholder 与 tf.Variable
- tf.Variable()与tf.get_variable()与不同之处
- tf.Variable()与tf.get_variable()对比
- tf.Variable函数的用法
- TF中的tf.Variable 和 tf.placehold 的区别
- tensorflow variable_scope,tf.name_scope, tf.variable, tf.get_varible
- TF中的tf.Variable 和 tf.placehold 的区别
- TensorFlow 辨异 —— tf.placeholder 与 tf.Variable
- TensorFlow 辨异 —— tf.placeholder 与 tf.Variable
- 3532_最大上升子序列和
- Redis sentinel 简单例子
- 神经网络入门(二)
- UVA
- 安卓学习笔记---文件解压带进度条
- tf.Variable()
- UVA
- Java常犯错误top10
- Impala介绍及与Hive比较
- 重复字符串的判定问题(质数检验法)
- Storm入门教程:构建Topology
- 输出99乘法表
- Activiti UserTask节点扩展 实现自定义节点属性
- kinect2.0体感游戏开发