tensorflow学习:第二课,tf.constant api的使用
在TensorFlow API中创建常量的函数原型如下所示:
tf.constant(
value,
dtype=None,
shape=None,
name='Const',
verify_shape=False
)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
可以看到第一个值value是必须的,可以是一个数值,也可以是一个列表。
如果是数值:
tensor=tf.constant(1)
- 1
为查看结果必须创建一个会话,并用取值函数eval()来查看创建的tensor的值:
sess=tf.Session()
with sess.as_default():
print('结果是:', tensor.eval())
- 1
- 2
- 3
结果是:1
- 1
而如果value是一个列表:
tensor=tf.constant([1, 2])
sess=tf.Session()
with sess.as_default():
print('结果是:', tensor.eval())
- 1
- 2
- 3
- 4
结果是:[1 2]
- 1
后面四个参数可写可不写,第二个参数表示数据类型,一般可以是tf.float32, tf.float64等:
tensor=tf.constant([1, 2], dtype=tf.float32)
sess=tf.Session()
with sess.as_default():
print('结果是:', tensor.eval())
- 1
- 2
- 3
- 4
结果是: [1. 2.]
- 1
注意到数据类型相比之前发生了改变,因为这次我们指定了数据类型为float32,所以不是1 2,而是1. 2.。
第三个参数表示张量的“形状”,即维数以及每一维的大小。如果指定了第三个参数,当第一个参数value是数字时,张量的所有元素都会用该数字填充:
tensor=tf.constant(-1, shape=[2, 3])
sess=tf.Session()
with sess.as_default():
print('结果是:', tensor.eval())
- 1
- 2
- 3
- 4
结果是: [[-1 -1 -1]
[-1 -1 -1]]
- 1
- 2
可以看到是一个二维张量,第一维大小为2, 第二维大小为3,全用数字-1填充。
而当第一个参数value是一个列表时,注意列表的长度必须小于等于第三个参数shape的大小(即各维大小的乘积),否则会报错:
tensor=tf.constant([1, 2, 3, 4, 5, 6, 7], shape=[2, 3])
- 1
Traceback (most recent call last):
File "<pyshell#68>", line 1, in <module>
tensor=tf.constant([1, 2, 3, 4, 5, 6, 7], shape=[2, 3])
ValueError: Too many elements provided. Needed at most 6, but received 7
- 1
- 2
- 3
- 4
这是因为函数会生成一个shape大小的张量,然后用value这个列表中的值一一填充shape中的元素。这里列表大小为7,而shape大小为2*3=6,无法正确填充,所以发生了错误。
而如果列表大小小于shape大小,则会用列表的最后一项元素填充剩余的张量元素:
tensor=tf.constant([1, 2], shape=[1, 4, 3])
sess=tf.Session()
with sess.as_default():
print('结果是:', tensor.eval())
- 1
- 2
- 3
- 4
结果是: [[[1 2 2]
[2 2 2]
[2 2 2]
[2 2 2]]]
- 1
- 2
- 3
- 4
第四个参数name可以是任何内容,主要是字符串就行。
不输入任何内容时:
tensor=tf.constant([1, 2])
print(tensor)
- 1
- 2
Tensor("Const_16:0", shape=(2,), dtype=int32)
- 1
作为对比:
tensor=tf.constant([1, 2], name="jiayu")
print(tensor)
- 1
- 2
Tensor("jiayu_1:0", shape=(2,), dtype=int32)
- 1
第五个参数verify_shape默认为False,如果修改为True的话表示检查value的形状与shape是否相符,如果不符会报错。
tensor=tf.constant([[1, 2, 3], [4, 5, 6]], shape=[2, 3], verify_shape=True)
- 1
以上代码value与shape都是两行三列,检查结果正确。而下面的代码会报错:
tensor=tf.constant([1, 2], shape=[3, 2], verify_shape=True)
在TensorFlow API中创建常量的函数原型如下所示:
tf.constant(
value,
dtype=None,
shape=None,
name='Const',
verify_shape=False
)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
可以看到第一个值value是必须的,可以是一个数值,也可以是一个列表。
如果是数值:
tensor=tf.constant(1)
- 1
为查看结果必须创建一个会话,并用取值函数eval()来查看创建的tensor的值:
sess=tf.Session()
with sess.as_default():
print('结果是:', tensor.eval())
- 1
- 2
- 3
结果是:1
- 1
而如果value是一个列表:
tensor=tf.constant([1, 2])
sess=tf.Session()
with sess.as_default():
print('结果是:', tensor.eval())
- 1
- 2
- 3
- 4
结果是:[1 2]
- 1
后面四个参数可写可不写,第二个参数表示数据类型,一般可以是tf.float32, tf.float64等:
tensor=tf.constant([1, 2], dtype=tf.float32)
sess=tf.Session()
with sess.as_default():
print('结果是:', tensor.eval())
- 1
- 2
- 3
- 4
结果是: [1. 2.]
- 1
注意到数据类型相比之前发生了改变,因为这次我们指定了数据类型为float32,所以不是1 2,而是1. 2.。
第三个参数表示张量的“形状”,即维数以及每一维的大小。如果指定了第三个参数,当第一个参数value是数字时,张量的所有元素都会用该数字填充:
tensor=tf.constant(-1, shape=[2, 3])
sess=tf.Session()
with sess.as_default():
print('结果是:', tensor.eval())
- 1
- 2
- 3
- 4
结果是: [[-1 -1 -1]
[-1 -1 -1]]
- 1
- 2
可以看到是一个二维张量,第一维大小为2, 第二维大小为3,全用数字-1填充。
而当第一个参数value是一个列表时,注意列表的长度必须小于等于第三个参数shape的大小(即各维大小的乘积),否则会报错:
tensor=tf.constant([1, 2, 3, 4, 5, 6, 7], shape=[2, 3])
- 1
Traceback (most recent call last):
File "<pyshell#68>", line 1, in <module>
tensor=tf.constant([1, 2, 3, 4, 5, 6, 7], shape=[2, 3])
ValueError: Too many elements provided. Needed at most 6, but received 7
- 1
- 2
- 3
- 4
这是因为函数会生成一个shape大小的张量,然后用value这个列表中的值一一填充shape中的元素。这里列表大小为7,而shape大小为2*3=6,无法正确填充,所以发生了错误。
而如果列表大小小于shape大小,则会用列表的最后一项元素填充剩余的张量元素:
tensor=tf.constant([1, 2], shape=[1, 4, 3])
sess=tf.Session()
with sess.as_default():
print('结果是:', tensor.eval())
- 1
- 2
- 3
- 4
结果是: [[[1 2 2]
[2 2 2]
[2 2 2]
[2 2 2]]]
- 1
- 2
- 3
- 4
第四个参数name可以是任何内容,主要是字符串就行。
不输入任何内容时:
tensor=tf.constant([1, 2])
print(tensor)
- 1
- 2
Tensor("Const_16:0", shape=(2,), dtype=int32)
- 1
作为对比:
tensor=tf.constant([1, 2], name="jiayu")
print(tensor)
- 1
- 2
Tensor("jiayu_1:0", shape=(2,), dtype=int32)
- 1
第五个参数verify_shape默认为False,如果修改为True的话表示检查value的形状与shape是否相符,如果不符会报错。
tensor=tf.constant([[1, 2, 3], [4, 5, 6]], shape=[2, 3], verify_shape=True)
- 1
以上代码value与shape都是两行三列,检查结果正确。而下面的代码会报错:
tensor=tf.constant([1, 2], shape=[3, 2], verify_shape=True)