109、TensorFlow计算张量的值

本文介绍如何在TensorFlow中创建并运行计算图,通过示例演示了张量的点乘运算,并详细解释了使用Tensor.eval方法获取张量具体值的过程。此方法在调试阶段尤为关键。

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

# 当计算图创建成功时
# 你就可以运行这个计算图,然后生成一个新的张量
# 并且得到这个张量指向的计算图中具体的数值
#这个功能在debug的时候非常有必要
#最简单获得张量具体值的方法是使用Tensor.eval method
import tensorflow as tf
constant = tf.constant([1, 2, 3])
#进行点乘,对应位置的元素相乘
tensor = constant * constant
init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    #eval方法只有当session开启的时候才好用
    #Tensor.eval 方法返回一个python的numpy对象,和原来的张量有着相同的值
    print(tensor.eval())

下面是上面输出的张量的结果:

2018-02-16 21:46:48.085119: I C:\tf_jenkins\workspace\rel-win\M\windows\PY\35\tensorflow\core\platform\cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
[1 4 9]

 

转载于:https://www.cnblogs.com/weizhen/p/8450608.html

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