时间:2021-05-22
如下所示:
from __future__ import print_function,divisionimport tensorflow as tf#create a Variablew=tf.Variable(initial_value=[[1,2],[3,4]],dtype=tf.float32)x=tf.Variable(initial_value=[[1,1],[1,1]],dtype=tf.float32,validate_shape=False)init_op=tf.global_variables_initializer()update=tf.assign(x,[[1,2],[1,2]])with tf.Session() as session: session.run(init_op) session.run(update) x=session.run(x) print(x)实验结果:
[[ 1. 2.] [ 1. 2.]]tensorflow使用assign(variable,new_value)来更改变量的值,但是真正作用在garph中,必须要调用gpu或者cpu运行这个更新过程。
session.run(update)
tensorflow不支持直接对变量进行赋值更改
from __future__ import print_function,divisionimport tensorflow as tf#create a Variablex=tf.Variable(initial_value=[[1,1],[1,1]],dtype=tf.float32,validate_shape=False)x=[[1,3],[2,4]]init_op=tf.global_variables_initializer()update=tf.assign(x,[[1,2],[1,2]])with tf.Session() as session: session.run(init_op) session.run(update) print(session.run(x))error:
"C:\Program Files\Anaconda3\python.exe" D:/pycharmprogram/tensorflow_learn/assign_learn/assign_learn.pyTraceback (most recent call last): File "D:/pycharmprogram/tensorflow_learn/assign_learn/assign_learn.py", line 8, in <module> update=tf.assign(x,[[1,2],[1,2]]) File "C:\Program Files\Anaconda3\lib\site-packages\tensorflow\python\ops\state_ops.py", line 271, in assign if ref.dtype._is_ref_dtype:AttributeError: 'list' object has no attribute 'dtype'Process finished with exit code 1以上这篇tensorflow更改变量的值实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
首先,说说final。final关键字可以修饰变量,方法,类。final变量:需求:1需要一个永不改变的编译时常量2一个运行时被初始化的值,不希望被更改好处:编
Ruby全局变量全局变量以$开头。未初始化的全局变量的值为nil,在使用-w选项后,会产生警告。给全局变量赋值会改变全局状态,所以不建议使用全局变量。下面的实例
本文实例为大家分享了tensorflow实现弹性网络回归算法,供大家参考,具体内容如下python代码:#用tensorflow实现弹性网络算法(多变量)#使用
1、声明swift用let对常量的声明,用var对变量进行声明常量声明之后不可更改,变量声明之后可以对值进行更改对常量变量的声明代码如下:?12letmaxNu
一、TensorFlow变量管理1.TensorFLow还提供了tf.get_variable函数来创建或者获取变量,tf.variable用于创建变量时,其功