tensorflow入門之使用feed來對變數賦值
阿新 • • 發佈:2019-02-08
本節主要詳述tensorflow的使用feed來對變數賦值,以下程式碼在python3.5,tensorflow1.5.0,numpy1.13.3下測試通過,想學習的小夥伴可以直接拷貝執行,一塊學習提高呀。
需要用到feed來賦值的操作可以通過tf.placeholder()說明,以建立佔位符。
程式碼:
input1 = tf.placeholder(tf.float32) input2 = tf.placeholder(tf.float32) output = tf.multiply(input1, input2) with tf.Session() as sess: print sess.run([output], feed_dict={input1:[7.0], input2:[2.0]})
執行結果:
[array([ 14.], dtype=float32)]
程式碼:
with tf.Session() as sess:
result = sess.run(output, feed_dict={input1:[7.0], input2:[2.0]})
print type(result)
print result
執行結果:
<type 'numpy.ndarray'>
[ 14.]
程式碼:
with tf.Session() as sess: result = sess.run(output, feed_dict={input1:7.0, input2:2.0}) print type(result) print result
執行結果:
<type 'numpy.float32'>
14.0
程式碼:
with tf.Session() as sess:
print sess.run([output], feed_dict={input1:[7.0, 3.0], input2:[2.0, 1.0]})
執行結果:
[array([ 14., 3.], dtype=float32)]
程式碼:
with tf.Session() as sess:
print sess.run(output, feed_dict={input1:[7.0, 3.0], input2:[2.0, 1.0]})
執行結果:
如果程式碼有看不懂的小夥伴,可以留言或者私信博主(* ̄︶ ̄)。[ 14. 3.]