TensorFlow计算模型——计算图介绍

最新推荐文章于 2020-03-27 23:04:46 发布

原创最新推荐文章于 2020-03-27 23:04:46 发布 · 409 阅读

0 ·

CC 4.0 BY-SA版权

深度学习同时被 3 个专栏收录

6 篇文章

订阅专栏

神经网络

6 篇文章

订阅专栏

Tensorflow

2 篇文章

订阅专栏

本文深入探讨了TensorFlow的核心概念Tensor和Flow，解释了其数据结构和计算模型。通过实例展示了如何在不同的计算图中定义和初始化变量，以及如何进行变量的读取。此外，还介绍了如何使用TensorFlow生成随机张量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

TensorFlow 的名字中己经说明了它最重要的两个概念一一Tensor 和Flow 。Tensor 就是张量。如果说TensorFlow 的第一个词Tensor 表明了它的数据结构，那么Flow 则体现了它的计算模型。TensorFlow中的每一个计算都是计算图上的一个节点，而节点之间的边描述了计算之间的依赖关系。

import tensorflow as tf

g1 = tf.Graph()
with g1.as_default():
    #在计算图g1中定义变量"v",并初始化为0
    v = tf.get_variable('v', initializer=tf.zeros_initializer()(shape=[1]))

g2 = tf.Graph()
with g2.as_default():
    # 在计算图g2中定义变量"v",并初始化为1
    #shape为数据的维度
    v = tf.get_variable('v',initializer=tf.ones_initializer()(shape=[1]))

#在计算图g1中读取变量v的数值
with tf.Session(graph=g1) as sess:
    tf.global_variables_initializer().run()
    with tf.variable_scope('',reuse = True):
        #在计算g1中，变量"v"的取值应该为0
        print(sess.run(tf.get_variable('v')))

#计算图g2中读取变量"v"的取值
with tf.Session(graph=g2) as sess:
    tf.global_variables_initializer().run()
    with tf.variable_scope('',reuse = True):
        # 在计算g1中，变量"v"的取值应该为0
        print(sess.run(tf.get_variable('v')))

#stddev为标准差,mean是平均值大小
a = tf.Variable(tf.random_normal([2,3],stddev=2,mean=3))
print(a)

代码中有详细的注释可以做为参考