时间:2021-05-22
tensorflow版本1.4
获取变量维度是一个使用频繁的操作,在tensorflow中获取变量维度主要用到的操作有以下三种:
对上面三种操作做一下简单分析:(这三种操作先记作A、B、C)
A 和 B 基本一样,只不过前者是Tensor的属性变量,后者是Tensor的函数。
A 和 B 均返回TensorShape类型,而 C 返回一个1D的out_type类型的Tensor。
A 和 B 可以在任意位置使用,而 C 必须在Session中使用。
A 和 B 获取的是静态shape,可以返回不完整的shape; C 获取的是动态的shape,必须是完整的shape。
另外,补充从TenaorShape变量中获取具体维度数值的方法
# 直接获取TensorShape变量的第i个维度值x.shape[i].valuex.get_shape()[i].value# 将TensorShape变量转化为list类型,然后直接按照索引取值x.get_shape().as_list()下面给出全部的示例程序:
import tensorflow as tfx1 = tf.constant([[1,2,3],[4,5,6]])# 占位符创建变量,第一个维度初始化为None,表示暂不指定维度x2 = tf.placeholder(tf.float32,[None, 2,3])print('x1.shape:',x1.shape)print('x2.shape:',x2.shape)print('x2.shape[1].value:',x2.shape[1].value)print('tf.shape(x1):',tf.shape(x1))print('tf.shape(x2):',tf.shape(x2))print('x1.get_shape():',x1.get_shape())print('x2.get_shape():',x2.get_shape())print('x2.get_shape.as_list[1]:',x2.get_shape().as_list()[1])shapeOP1 = tf.shape(x1)shapeOP2 = tf.shape(x2)with tf.Session() as sess: print('Within session, tf.shape(x1):',sess.run(shapeOP1)) # 由于x2未进行完整的变量填充,其维度不完整,因此执行下面的命令将会报错 # print('Within session, tf.shape(x2):',sess.run(shapeOP2)) # 此命令将会报错输出结果为:
x1.shape: (2, 3)x2.shape: (?, 2, 3)x2.shape[1].value: 2tf.shape(x1): Tensor("Shape:0", shape=(2,), dtype=int32)tf.shape(x2): Tensor("Shape_1:0", shape=(3,), dtype=int32)x1.get_shape(): (2, 3)x2.get_shape(): (?, 2, 3)x2.get_shape.as_list[1]: 2Within session, tf.shape(x1): [2 3]以上就是本文的全部内容,希望对大家的学习有所帮助,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。
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
在使用tensorflow中,我们常常需要获取某个变量的值,比如:打印某一层的权重,通常我们可以直接利用变量的name属性来获取,但是当我们利用一些第三方的库来
使用TensorFlow的一个优势是,它可以维护操作状态和基于反向传播自动地更新模型变量。TensorFlow通过计算图来更新变量和最小化损失函数来反向传播误差
tensorflow中tile是用来复制tensor的指定维度,具体看下面的代码:importtensorflowastfa=tf.constant([[1,2
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