标签：sess run Session ip1 操作 tf Tensorflow

tf的特征就是，所有东西都是操作，在run之前，都是保存了操作，实际run之后才出现值。

这也符合变量的性质把

tf.cinstant 创建标量矩阵

tf有一套矩阵运算操作，，

#Session: 用来进行执行操作

sess = tf.Session()

res = sess.run(某个操作)

sess.close()

#Varaible: tf里面所有变量要被定义成tf.Varaible

var = tf.Varaible(value,xxxx)

init = tf.initialize_all_varaibles()

with tf.Session() as sess:

　　sess.run(init)#先运行init

　　sess.run(操作)#再运行神经网络操作

　　print(sess.run(var))#打印时候，也要sess.run()的指针挂上去

#placeholder,占位器，运行时传入实际数据。为什么需要placeholder呢，为了避免显式的制定数据的size?显式的定义，有时候要指明矩阵形状，调整起来麻烦

ip1 = tf.placeholder(tf.float32)

op1 = tf.multiply(ip1,ip1)

with tf.Session as sess:

　　sess.run(op1,feed_dict = {ip1:xxxx})#feed_dict参数可以用字典形式传入对应的值

标签：sess,run,Session,ip1,操作,tf,Tensorflow
来源： https://www.cnblogs.com/zherlock/p/10993153.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。