tensorflow实验记录01——常量的功能测试

最新推荐文章于 2023-10-12 10:26:12 发布

full_adder

最新推荐文章于 2023-10-12 10:26:12 发布

阅读量1.4k

点赞数

分类专栏： python 2020_02 文章标签： tensorflow python

本文链接：https://blog.youkuaiyun.com/full_adder/article/details/104347054

版权

python 同时被 2 个专栏收录

8 篇文章

订阅专栏

2020_02

2 篇文章

订阅专栏

tensorflow实验记录一

为督促非常时间认真学习，记录一下
2020.02.16
1.placeholder使用问题

x=tf.placeholder(tf.complex,[None,INPUT_NODE[0]]);

其中INPUT_NODE是np生成的array
报错：TypeError: Expected DataType for argument ‘dtype’ not <function add_dispatch_support..wrapper at 0x0000025F4D5DB378>.*
错误原因：
INPUT_NODE[0]丫不是整数，np生成默认浮点，更改后可用。
比如这么写

LAYER_NODE=100*np.ones(5,dtype=int);
y_=tf.placeholder(tf.complex64,shape=(None,OUTPUT_NODE));

2.constant张量是否可以下标调用计算
试验代码

    aa=tf.constant([1.0,2.0]);
    bb=tf.constant([3.0,4.0]);
    cc=tf.constant([5.0,2.0]);
    cc[0]=aa[1]+bb[1];
    cc[1]=aa[0]+bb[0];
    print(cc);

试验结果：TypeError: ‘Tensor’ object does not support item assignment
结论：不可以呢：<
但是print可以打印出来结果，结果如下;
print(cc[1]);
Tensor(“strided_slice:0”, shape=(), dtype=float32)
print(cc);
Tensor(“Const_2:0”, shape=(2,), dtype=float32)

3.constant张量是否可以改变其值（重定义？）

aa=tf.constant([1.0,2.0]);
    bb=tf.constant([3.0,4.0]);
    cc=tf.constant([5.0,2.0]);
    cc=tf.add(aa,bb,name=None);
    print(cc);

结果：Tensor(“Add:0”, shape=(2,), dtype=float32)
结论：可以

4.张量和numpy生成列表的组合运算问题
虽然感觉tensorflow的函数能满足大部分运算，但还是觉得应该试一下

print("1");
    aa=tf.constant([1.0,2.0]);
    bb=tf.constant([3.0,4.0]);
    cc=np.ones(2,float);
    bb=cc+aa;
    print(bb);
    with tf.Session() as sess:
        print(sess.run(bb));

试验结果：
Tensor(“add:0”, shape=(2,), dtype=float32)
[2. 3.]
结论：可行，且结果仍是张量，所以说如果中间出现一定要介入下标调用的，可以尝试一下多库混用？

2020.02.16

5.reshape操作的效果
非常虚reshape的维度更改的改法，进行试验如下：

	aa=tf.constant([[1,2,3,4,5],[6,7,8,9,10]]);
    aas=tf.reshape(aa,(1,10));
    aass=tf.constant([[1,2,3,4,5,6,7,8,9,10],[1,2,3,4,5,6,7,8,9,10]]);
    aasss=tf.reshape(aass,[-1,2,5]);
    with tf.Session() as sess:
        init_op = tf.global_variables_initializer()
        sess.run(aasss)
        print(sess.run(aasss))

测试结果满足预期，aasss维度[2，2，5]，顺序是对的，证明将一组图片输入时二维扯做一维，最后再调回来具有可行性。