TensorFlow创建常量(tf.constant)详解

版权声明：本文为博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。

本文链接： https://blog.youkuaiyun.com/csdn_jiayu/article/details/82155224

在TensorFlow API中创建常量的函数原型如下所示：

tf.constant(
    value,
    dtype=None,
    shape=None,
    name='Const',
    verify_shape=False
)
 

 
1
2
3
4
5
6
7

可以看到第一个值value是必须的，可以是一个数值，也可以是一个列表。
如果是数值：

tensor=tf.constant(1)
 

 
1

为查看结果必须创建一个会话，并用取值函数eval()来查看创建的tensor的值：

sess=tf.Session()
with sess.as_default():
    print('结果是：', tensor.eval())
 

 
1
2
3

结果是：1
 

 
1

而如果value是一个列表：

tensor=tf.constant([1, 2])
sess=tf.Session()
with sess.as_default():
    print('结果是：', tensor.eval())
 

 
1
2
3
4

结果是：[1 2]
 

 
1

后面四个参数可写可不写，第二个参数表示数据类型，一般可以是tf.float32, tf.float64等：

tensor=tf.constant([1, 2], dtype=tf.float32)
sess=tf.Session()
with sess.as_default():
    print('结果是：', tensor.eval())
 

 
1
2
3
4

结果是： [1. 2.]
 

 
1

注意到数据类型相比之前发生了改变，因为这次我们指定了数据类型为float32，所以不是1 2，而是1. 2.。

第三个参数表示张量的“形状”，即维数以及每一维的大小。如果指定了第三个参数，当第一个参数value是数字时，张量的所有元素都会用该数字填充：

tensor=tf.constant(-1, shape=[2, 3])
sess=tf.Session()
with sess.as_default():
    print('结果是：', tensor.eval())
 

 
1
2
3
4

结果是： [[-1 -1 -1]
         [-1 -1 -1]]
 

 
1
2

可以看到是一个二维张量，第一维大小为2， 第二维大小为3，全用数字-1填充。

而当第一个参数value是一个列表时，注意列表的长度必须小于等于第三个参数shape的大小（即各维大小的乘积），否则会报错：

tensor=tf.constant([1, 2, 3, 4, 5, 6, 7], shape=[2, 3])
 

 
1

Traceback (most recent call last):
  File "<pyshell#68>", line 1, in <module>
    tensor=tf.constant([1, 2, 3, 4, 5, 6, 7], shape=[2, 3])
ValueError: Too many elements provided. Needed at most 6, but received 7
 

 
1
2
3
4

这是因为函数会生成一个shape大小的张量，然后用value这个列表中的值一一填充shape中的元素。这里列表大小为7，而shape大小为2*3=6，无法正确填充，所以发生了错误。
而如果列表大小小于shape大小，则会用列表的最后一项元素填充剩余的张量元素：

tensor=tf.constant([1, 2], shape=[1, 4, 3])
sess=tf.Session()
with sess.as_default():
    print('结果是：', tensor.eval())
 

 
1
2
3
4

结果是： [[[1 2 2]
          [2 2 2]
          [2 2 2]
          [2 2 2]]]
 

 
1
2
3
4

第四个参数name可以是任何内容，主要是字符串就行。
不输入任何内容时：

tensor=tf.constant([1, 2])
print(tensor)
 

 
1
2

Tensor("Const_16:0", shape=(2,), dtype=int32)
 

 
1

作为对比：

tensor=tf.constant([1, 2], name="jiayu")
print(tensor)
 

 
1
2

Tensor("jiayu_1:0", shape=(2,), dtype=int32)
 

 
1

第五个参数verify_shape默认为False，如果修改为True的话表示检查value的形状与shape是否相符，如果不符会报错。

tensor=tf.constant([[1, 2, 3], [4, 5, 6]], shape=[2, 3], verify_shape=True)
 

 
1

以上代码value与shape都是两行三列，检查结果正确。而下面的代码会报错：

tensor=tf.constant([1, 2], shape=[3, 2], verify_shape=True)
 

 
1

            <link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-e44c3c0e64.css" rel="stylesheet">
                </div>
</article>