tensorflow
переменные

Объявление и инициализация переменных тензоров

Переменные тензоры используются, когда значения требуют обновления в сеансе. Это тип тензора, который будет использоваться для матрицы весов при создании нейронных сетей, поскольку эти значения будут обновляться по мере обучения модели.

Объявление тензора переменных может быть выполнено с помощью функции tf.Variable() или tf.get_variable() . Рекомендуется использовать tf.get_variable , поскольку он предлагает большую гибкость, например:

# Declare a 2 by 3 tensor populated by ones
a = tf.Variable(tf.ones([2,3], dtype=tf.float32))
a = tf.get_variable('a', shape=[2, 3], initializer=tf.constant_initializer(1))

Следует отметить, что объявление тензора переменных автоматически не инициализирует значения. Значения должны быть введены в явном виде при запуске сеанса, используя одно из следующих значений:

• tf.global_variables_initializer().run()
• session.run(tf.global_variables_initializer())

В следующем примере показан полный процесс объявления и инициализации тензора переменных.

# Build a graph
graph = tf.Graph()
with graph.as_default():
    a = tf.get_variable('a', shape=[2,3], initializer=tf.constant_initializer(1), dtype=tf.float32))     # Create a variable tensor

# Create a session, and run the graph
with tf.Session(graph=graph) as session:
    tf.global_variables_initializer().run()  # Initialize values of all variable tensors
    output_a = session.run(a)            # Return the value of the variable tensor
    print(output_a)                      # Print this value

Распечатывает следующее:

[[ 1.  1.  1.]
 [ 1.  1.  1.]]

Извлеките значение переменной TensorFlow или тензор

Иногда нам нужно получить и распечатать значение переменной TensorFlow, чтобы гарантировать правильность нашей программы.

Например, если у нас есть следующая программа:

import tensorflow as tf
import numpy as np
a = tf.Variable(tf.random_normal([2,3])) # declare a tensorflow variable
b = tf.random_normal([2,2]) #declare a tensorflow tensor
init = tf.initialize_all_variables()

если мы хотим получить значение a или b, можно использовать следующие процедуры:

with tf.Session() as sess:
    sess.run(init)
    a_value = sess.run(a)
    b_value = sess.run(b)
    print a_value
    print b_value

или же

with tf.Session() as sess:
    sess.run(init)
    a_value = a.eval()
    b_value = b.eval()
    print a_value
    print b_value