tf.Variable()

本文介绍了如何使用TensorFlow创建不同类型的变量,包括随机生成及常数值,并通过实例展示了变量的初始化过程及其输出结果。

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

tf.Variable(initializer, name)
功能:保存和更新神经网络中的参数。
参数:(1)initializer:初始化参数(2)name:变量名
例子:

import tensorflow as tf  

#1.tensorflow随机数生成函数


#变量a是一个随机生成的满足正态分布[0,1]的,数据规模为2*2矩阵的数据。其中mean表示为期望(均值),stddev表示为方差。
a= tf.Variable(tf.random_normal(shape=[2,2], mean=0, stddev=1), name='a')  

#变量b是...,但如果随机出来的值偏离平均值超过2个标准差,那么这个数将会被重新随机。
b=tf.Variable(tf.truncated_normal(shape=[2,2], mean=0, stddev=1),name='b')

#变量c是一个随机生成的数据规模为2*2矩阵的数据,其中矩阵中的元素大小满足(-2,2)
c=tf.Variable(tf.random_uniform(shape=[2,2],minval=-2,maxval=2,dtype=tf.float32,name='c'))


#2.tensorflow常数生成函数


e=tf.Variable(tf.zeros([1,2],tf.int32,name='e'))
f=tf.Variable(tf.ones([3,4],tf.int32,name='f'))
g=tf.Variable(tf.fill([5,6],1,name='g'))
h=tf.Variable(tf.constant([1,2,3],name='h'))

with tf.Session() as sess:  
    sess.run(tf. global_variables_initializer())  

    print(sess.run(a))
    print(sess.run(b))
    print(sess.run(c))

    print(sess.run(e))
    print(sess.run(f))
    print(sess.run(g))
    print(sess.run(h))

结果:
[[-0.38980678 0.30893806]
[-0.98391175 1.02173746]]
[[-0.07013009 -1.07275367]
[ 0.43275923 -1.85455608]]
[[-0.0278039 0.88930941]
[ 0.15009832 1.51027441]]
[[0 0]]
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
[[1 1 1 1 1 1]
[1 1 1 1 1 1]
[1 1 1 1 1 1]
[1 1 1 1 1 1]
[1 1 1 1 1 1]]
[1 2 3]

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