TensorFlow学习之CS20SI 之一

本文介绍了TensorFlow中的核心概念——tensor及DataFlowGraph。详细解释了tensor作为n维矩阵的不同维度表示,以及DataFlowGraph中节点和边所代表的运算、变量、常量和张量。同时展示了如何创建和使用Graph进行基本的加法运算。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

首先,什么是tensor?

tensor就是一个n维的矩阵,要是0维就是个数,1维就是个vector,2维就是个二维矩阵。。。

然后,什么是Data Flow Graph?


就是上面这样,表示数据流动的运算图,在图中节点(Nodes)就是:运算(operators)、变量(variables)、常量(constants),边就是tensors

怎么创建一个Graph? tf.Graph()

g = tf.Graph()
with g.as_default():
     x = tf.add(3, 5)
sess = tf.Session(graph=g)
with tf.Session() as sess:
     sess.run(x)
如果不写with g.as_default():,那就都在默认的Graph

如果想handle默认的Graph,就用这条g = tf.get_default_graph(),这样g就是默认的Graph了

第一课没啥,主要是让大家对TensorFlow的基本tensor和Graph有个概念







评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值