人工智能TensorFlow工作笔记008---张量的使用

技术交流QQ群【JAVA,C,.NET,BigData,AI】：170933152 看书写程序,边看边写...

# 和TensorFlow 的计算模型相比， TensorFlow 的数据模型相对比较简单。张量使用主要
# 可以总结为两大类。
# 第一类用途是对中间计算结果的引用。当一个计算包含很多中间结果时，使用张量可
# 以大大提高代码的可读性。以下为使用张量和不使用张量记录中间结果来完成向量相加的
# 功能的代码对比。
#使用张量记录中间结果
import  tensorflow as tf
a=tf.constant([1.0,2.0],name="a");
b=tf.constant([2.0,3.0],name="b")
result=a+b;
print(result);

#直接计算向量的利，这样可读性会比较差。
result=tf.constant([1.0,2.0],name="a") + tf.constant([2.0,3.0],name="b")
print(result);

# 从上面的样例程序可以看到， a 和b 其实就是对常量生成这个运算结果的引用，这样
# 在做加法时就可以直接使用这两个变量，而不需要再去生成这些常量。当计算的复杂度增
# 加时（比如在构建深层神经网络时〉通过张量来引用计算的中间结果可以使代码的可阅读
# 性大大提升。同时，通过张量来存储中间结果可以方便获取中间结果。比如在卷积神经网
# 络① 中，卷积层或者池化层有可能改变张量的维度，通过result.get_shape 函数来获取结果张
# 量