Tensor(tf.Tensor)
来源:互联网 发布:python语言及其应用 编辑:程序博客网 时间:2024/06/02 19:43
Tensor类应该是最基本最核心的数据结构了,他表示的是一个操作的输出,但是他并不接收操作输出的值,而是提供了在TensorFlow的Session中计算这些值的方法。
Tensor类主要有两个目的:
1.一个Tensor能够作为一个输入来传递给其他的操作(Operation),由此构造了一个连接不同操作的数据流,使得TensorFLow能够执行一个表示很大,多步骤计算的图。
2.在图被“投放”进一个Session中后,Tensor的值能够通过把Tensor传到Seesion.run()这个函数里面去得到结果。相同的,也可以用t.eval()这个函数,其中的t就是你的tensor啦,这个函数可以算是tf.get_default_session().run(t)的简便写法。
a=tf.constant([[1,2],[3,4]])print(a)输出:Tensor("Const_1:0", shape=(2, 2), dtype=int32)
属性:
device:表示tensor将被产生的设备名称
dtype:tensor元素类型
graph:这个tensor被哪个图所有
name:这个tensor的名称
op:产生这个tensor作为输出的操作(Operation)
shape:tensor的形状(返回的是tf.TensorShape这个表示tensor形状的类)
value_index:表示这个tensor在其操作结果中的索引
函数:
tf.Tensor.consumers():
作用:返回消耗这个tensor的操作列表
tf.Tensor.eval(feed_dict=None, session=None):
作用:
在一个Seesion里面“评估”tensor的值(其实就是计算),首先执行之前的所有必要的操作来产生这个计算这个tensor需要的输入,然后通过这些输入产生这个tensor。在激发tensor.eval()这个函数之前,tensor的图必须已经投入到session里面,或者一个默认的session是有效的,或者显式指定session.参数: feed_dict:一个字典,用来表示tensor被feed的值(联系placeholder一起看) session:(可选)
用来计算(evaluate)这个tensor的session.要是没有指定的话,那么就会使用默认的session。返回: 表示“计算”结果值的numpy ndarray
tf.Tensor.get_shape()
作用:
返回tensor的形状,类型是TensorShape。这个函数不用把图“投放”到session里面运行就能够得到形状,一般用来debug和得到一些早期的错误信息等等。
a = tf.constant([[1,2,1],[2,3,4]])print(a.get_shape())输出:(2, 3)
tf.Tensor.set_shape(shape)
作用:
设置更新这个tensor的形状
转载来源:《TensorFlow学习(二):变量常量类型》
- Tensor(tf.Tensor)
- tf.Tensor.eval()
- Tensor
- tensor
- Tensor
- Tensor
- Tensor
- Tensor Tensor
- tf.Session().run() | tf.Tensor.eval()--两者等同
- tensorflow学习笔记(九):tf.shape()与tensor.get_shape()
- [Tensor] tf.nn.conv2d函数中的padding参数
- Metric tensor
- Tensor(张量)
- tensroflow:tensor
- tensor理解
- GR:tensor
- 什么是tensor
- tensor(张量)
- iText自动生成多页PDF时,解决背景(水印)只显示第一页的问题
- oracle数据库导入导出命令
- Java基础——Java IO详解
- OAUTH2支持GET请求
- sierrajuan ArrayList和LinkedList的区别
- Tensor(tf.Tensor)
- 标准模板库STL-容器
- 运维三:如何把项目部署到服务器?
- 《kubernetes-1.8.0》01-环境准备
- 验证52域数据是否被篡改且根据52域算出密码
- 长按Home键唤起Google Now
- Frequent values UVA
- Nginx笔记
- 从零开始搭建ELK+GPE监控预警系统