TensorFlow學習筆記——節點（constant、placeholder、Variable）

1、 constant（常量）

　　constant是TensorFlow的常量節點，經過constant方法建立，其是計算圖（Computational Graph）中的起始節點，是傳入數據。

建立方式

cons = tf.constant(value=[1,2],dtype=tf.float32,shape=(1,2),name='testconst', verify_shape=False)

參數說明

value：初始值，必填，必須是一個張量（1或[1,2,3]或[[1,2,3],[2,2,3]]或......）

dtype：數據類型，選填，默認爲value的數據類型，傳入參數爲tensorflow下的枚舉值（float32，float64.......）

shape：數據形狀，選填，默認爲value的shape，設置時不得比value小，能夠比value階數、維度更高，超過部分按value提供最後一個數字填充，示例代碼以下

import tensorflow as tf

sess = tf.InteractiveSession()
cons1 = tf.constant([1, 2, 3], shape=[2, 3])
print(sess.run(cons1))
# [[1 2 3]
#  [3 3 3]]

name：常量名，選填，默認值不重複，根據建立順序爲（Const，Const_1，Const_2.......）

verify_shape:是否驗證value的shape和指定shape相符，若設爲True則進行驗證，不相符時會拋出異常

 

2、placeholder（佔位符）

 　　placeholder是TensorFlow的佔位符節點，由placeholder方法建立，其也是一種常量，但是由用戶在調用run方法是傳遞的，也能夠將placeholder理解爲一種形參。即其不像constant那樣直接可使用，須要用戶傳遞常數值。

建立方式

X = tf.placeholder(dtype=tf.float32, shape=[144, 10], name='X')

參數說明

dtype：數據類型，必填，默認爲value的數據類型，傳入參數爲tensorflow下的枚舉值（float32，float64.......）

shape：數據形狀，選填，不填則隨傳入數據的形狀自行變更，能夠在屢次調用中傳入不一樣形狀的數據

name：常量名，選填，默認值不重複，根據建立順序爲（Placeholder，Placeholder_1，Placeholder_2.......）

示例代碼

import tensorflow as tf
import numpy.random as random

#佔位符shape不設時會按傳入參數自行匹配
node1 = tf.placeholder(tf.float32)  # , shape=[4, 5])
node2 = tf.placeholder(tf.float32)  # , shape=[4, 5])
op = tf.multiply(node1, node2)
session = tf.Session()
const1 = tf.constant(random.rand(4, 5))
const2 = tf.constant(random.rand(4, 5))
#能夠傳入初始化後的常量
print(session.run(op, {node1: session.run(const1), node2: session.run(const2)}))
#也能夠直接傳入張量，其實同初始化後的常量一致
print(session.run(op, {node1: random.rand(2, 3), node2: random.rand(2, 3)}))

3、Variable（變量）

　　Vatiable是tensorflow的變量節點，經過Variable（注：V大寫）方法建立，而且須要傳遞初始值。在使用前須要經過tensorflow的初始化方法進行初始化。

 建立方式

W = tf.Variable(initial_value=tf.zeros([9, 5]),  # 初始值，必填，張量或能夠轉換爲張量的Python對象。初始值必須有指定一個形狀，除非`validate_shape`設置爲False。
                trainable=True,  # 若是`True`，則默認值也將變量添加到圖形中集合`GraphKeys.TRAINABLE_VARIABLES`。這個集合用做「Optimizer」類使用的默認變量列表
                collections=None,  # 圖表集合鍵的列表。新的變量被添加到這些集合。默認爲`[GraphKeys.GLOBAL_VARIABLES]`。
                validate_shape=True,  # 若是`False`，容許變量用初始化未知形狀的值。若是「True」，默認的形狀`initial_value`必須是已知的。
                caching_device=None,  # 可選設備字符串，描述變量的位置應該被緩存以供閱讀。默認爲變量的設備。若是不是「None」，則緩存在另外一個設備上。典型的用途是緩存在使用變量的Ops所在的設備上進行重複數據刪除複製`Switch`和其餘條件語句。
                name='W',  # 變量的可選名稱。默認爲「Variable」並獲取自動去重（Variable_1,Variable_2....）。
                variable_def=None, # `VariableDef`協議緩衝區。若是不是「無」，則從新建立變量對象及其內容，引用變量的節點在圖中，必須已經存在。圖形沒有改變。`variable_def`和其餘參數是互斥的。
                dtype=tf.float32, # 若是設置，initial_value將被轉換爲給定的類型。若是`None'，數據類型將被保存（若是`initial_value`是一個張量），或者「convert_to_tensor」來決定。
                expected_shape=None,  # 張量的Shape。若是設置，initial_value須要符合這個形狀。
                import_scope=None)  # 可選的字符串。名稱範圍添加到`Variable.`僅在從協議緩衝區初始化時使用。

參數說明Variable函數的所有參數如上方代碼展現，不過目前我在學習中遇到經常使用的的參數只有以下幾個，其餘的參數暫時沒在代碼中遇到

initial_value，dtype，name，建立代碼相似下面這樣

    W = tf.Variable(tf.zeros([3, 10]), dtype=tf.float64, name='W')

 

 

原創聲明 做者：Vulper 地址：http://www.cnblogs.com/Vulpers/p/7809276.html 本文版權歸做者和博客園共同全部，歡迎轉載，轉載必須註明出處。