TensorFlow学习笔记----TF生成数据的方法
来源:互联网 发布:钉钉 阿里云企业邮箱 编辑:程序博客网 时间:2024/05/20 04:49
正常情况下,使用tf.initialize_all_variables()初始化变量,在完全构建好模型并加载之后才运行这个操作。生成数据的主要方法如下
1)如果需要利用已经初始化的参数给其他变量赋值
TF的变量有个initialized_value()属性,就是初始化的值,使用方法如下:
# 原始的变量weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),name="weights")# 创造相同内容的变量w2 = tf.Variable(weights.initialized_value(), name="w2")# 也可以直接乘以比例w_twice = tf.Variable(weights.initialized_value() * 0.2, name="w_twice")
2)生成tensor的一些方法
生成tensor:
tf.zeros(shape, dtype=tf.float32, name=None)
tf.zeros_like(tensor, dtype=None, name=None)
tf.constant(value, dtype=None, shape=None, name='Const')
tf.fill(dims, value, name=None)
tf.ones_like(tensor, dtype=None, name=None)
tf.ones(shape, dtype=tf.float32, name=None)
生成序列
tf.range(start, limit, delta=1, name='range')
tf.linspace(start, stop, num, name=None)
生成随机数
tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
tf.random_uniform(shape, minval=0.0, maxval=1.0, dtype=tf.float32, seed=None, name=None)
tf.random_shuffle(value, seed=None, name=None)
效果程序:import tensorflow as tfimport numpy as np# 生成0和1矩阵v1 = tf.Variable(tf.zeros([3,3,3]), name="v1")v2 = tf.Variable(tf.ones([10,5]), name="v2")#填充单值矩阵v3 = tf.Variable(tf.fill([2,3], 9))#常量矩阵v4_1 = tf.constant([1, 2, 3, 4, 5, 6, 7])v4_2 = tf.constant(-1.0, shape=[2, 3])#生成等差数列v6_1 = tf.linspace(10.0, 12.0, 30, name="linspace")#float32 or float64v7_1 = tf.range(10, 20, 3)#just int32#生成各种随机数据矩阵v8_1 = tf.Variable(tf.random_uniform([2,4], minval=0.0, maxval=2.0, dtype=tf.float32, seed=1234, name="v8_1"))v8_2 = tf.Variable(tf.random_normal([2,3], mean=0.0, stddev=1.0, dtype=tf.float32, seed=1234, name="v8_2"))v8_3 = tf.Variable(tf.truncated_normal([2,3], mean=0.0, stddev=1.0, dtype=tf.float32, seed=1234, name="v8_3"))v8_4 = tf.Variable(tf.random_uniform([2,3], minval=0.0, maxval=1.0, dtype=tf.float32, seed=1234, name="v8_4"))v8_5 = tf.random_shuffle([[1,2,3],[4,5,6],[6,6,6]], seed=134, name="v8_5")# 初始化init_op = tf.initialize_all_variables()# 保存变量,也可以指定保存的内容saver = tf.train.Saver()#saver = tf.train.Saver({"my_v2": v2})#运行with tf.Session() as sess: sess.run(init_op) # 输出形状和值 print tf.Variable.get_shape(v1)#shape print sess.run(v1)#vaule # numpy保存文件 np.save("v1.npy",sess.run(v1))#numpy save v1 as file test_a = np.load("v1.npy") print test_a[1,2] #一些输出 print sess.run(v3) v5 = tf.zeros_like(sess.run(v1)) print sess.run(v6_1) print sess.run(v7_1) print sess.run(v8_5) #保存图的变量 save_path = saver.save(sess, "/tmp/model.ckpt") #加载图的变量 #saver.restore(sess, "/tmp/model.ckpt") print "Model saved in file: ", save_path
阅读全文
0 0
- TensorFlow学习笔记(5)----TF生成数据的方法
- TensorFlow学习笔记(5)----TF生成数据的方法
- TensorFlow学习笔记----TF生成数据的方法
- TensorFlow学习---tf生成数据的方法
- TF生成数据的方法
- #tensorflow学习笔记#tf.gather
- tensorflow学习笔记--tf.one_hot
- TensorFlow学习笔记之tf.nn.softmax()与tf.nn.softmax_cross_entropy_with_logits的用法
- #tensorflow学习笔记#tf.contrib.framework.get_or_create_global_step
- #tensorflow学习笔记#理解tf.get_variable
- TensorFlow学习笔记(十六)tf.random_normal
- Tensorflow学习笔记(用哪学哪)tf.nn.dropout
- tensorflow学习笔记(三十):tf.gradients 与 tf.stop_gradient()
- tensorflow生成随机数的操作 tf.random_normal & tf.random_uniform & tf.truncated_normal & tf.random_shuffle
- tensorflow学习笔记十四:tensorflow中的tf.app.run()
- TensorFlow学习笔记5——TensorFlow高效读取数据的方法
- 【tensorflow 学习】tf.get_variable()和tf.Variable()的区别
- TensorFlow学习---tf.nn.softmax_cross_entropy_with_logits的用法
- ssh+jbpm整合
- 在eclipse搭建maven项目
- PHP使用PDO抽象层获取查询结果
- 生成awr报告和手动生成awr快照
- 带边框的背景色
- TensorFlow学习笔记----TF生成数据的方法
- 叽叽歪歪
- jquery中attr和prop的区别
- 如何快速处理IE浏览器兼容
- opencv中引用Directory类报错
- Java学习(八)
- iOS 自动布局之动画
- ROM、RAM、DRAM、SRAM和FLASH的区别
- Unity清空Console消息