重庆分公司,新征程启航
为企业提供网站建设、域名注册、服务器等服务
这篇文章将为大家详细讲解有关Tensorflow的计算图是怎样的,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定的了解。
为克井等地区用户提供了全套网页设计制作服务,及克井网站建设行业解决方案。主营业务为做网站、网站设计、克井网站设计,以传统方式定制建设网站,并提供域名空间备案等一条龙服务,秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求,就会得到认可,从而选择与我们长期合作。这样,我们也可以走得更远!
下面介绍下Tensorflow的计算图
TensorFlow哲学
separates definition of computations from their execution
对定义计算和计算的执行做了分离。
tensorflow的编程和以往接触的编程方式有很大差异。以前的编程,无论是编译类型语言还是动态解释型语言,变量计算后,就会得到结果,比如c=a+b,当执行完语句后,就会得到c的值。
但,
tensorflow不是!
首先看一下,tensor是什么?它是一个 n 维数组:
0-d tensor: scalar (标量)
1-d tensor: vector (向量)
2-d tensor: matrix(矩阵)
…
有了tensor, 那么tensorflow的计算流图就可以构建为下面这个样子,圆形节点代表tensor间执行的操作:
比如对两个tensor执行一个add操作:
1import tensorflow as tf
2a = tf.add(3, 5)
接下来,我们打印 a,看看发生什么:
1print (a)
2Tensor("Add:0", shape=(), dtype=int32)
这就验证了之前所说,计算图和执行计算图做了严格的分离,所以此时打印得不到a值。
如何得到a值?
创建session,并在当前的sess中执行构建的图得到a的值。
1with tf.Session() as sess:
2 print(sess.run(a))
关于Tensorflow的计算图是怎样的就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。