这篇文章主要讲TensorFlow中的Session的用法以及Variable。
Session会话控制
Session是TensorFlow为了控制和输出文件的执行语句,运行session.run()就能获得运算结果或者部分运算结果。我们在这里使用一个简单的矩阵相乘的例子来解释Session的两个用法。
首先我们要加载TensorFlow并建立两个矩阵以及两个矩阵所做的运算。这里我们建立一个一行两列的matrix1和一个两行一列的matrix2,让它们做矩阵的乘法。tf.matmul相当于numpy中的dot方法,都是做矩阵的product。
1
2
3
4
5
6
|
import tensorflow as tf
matrix1 = tf.constant([[ 2 , 2 ]])
matrix2 = tf.constant([[ 2 ], [ 2 ]])
product = tf.matmul(matrix1, matrix2)
|
接下来我们使用第一种会话控制Session来激活product并得到计算结果:
1
2
3
4
|
sess = tf.Session()
result = sess.run(product)
print (result)
sess.close()
|
运行结果为:[[8]]
还有另外一种Session的打开模式同样可以激活product:
1
2
3
|
with tf.Session() as sess:
result2 = sess.run(product)
print (result2)
|
运行结果同样是[[8]]。在这里我们不需要我们单独做sess.close()的操作。
variable变量
与python的变量不同,在TensorFlow中如果我们要定义一个变量,必须使用tf.Variable()来定义它才是个变量,括号中可以包含的参数有变量的值,变量的名称等。这里我们用一个简单的加法运算来解释变量的用法。
首先导入tensorflow并定义变量state, 常量one,以及运算方法tf.add, tf.assign
1
2
3
4
5
6
7
8
9
10
|
import tensorflow as tf
state = tf.Variable( 0 , name = 'counter' )
# 输出变量名
print (state.name)
one = tf.constant( 1 )
new_value = tf.add(state, one)
# 将new_value加载到state里面,这时state的值就是new_value
update = tf.assign(state, new_value)
|
我们可以将变量打印出来得到变量的信息:
1
|
init = tf.global_variables_initializer()
|
接下来我们就要用Session来将变量激活进行运算,并打印出state的结果:
1
2
3
4
5
|
with tf.Session() as sess:
sess.run(init)
for _ in range ( 3 ):
sess.run(update)
print (sess.run(state))
|
这里我们让update运行3次,也就是做3次加法,运行结果为:
以上这篇TensorFlow Session会话控制&Variable变量详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持服务器之家。
原文链接:https://blog.csdn.net/Katherine_hsr/article/details/79211688