tensorflow变量的赋值

109 阅读 0 评论 72 点赞

我是靠谱客的博主大方台灯，最近开发中收集的这篇文章主要介绍tensorflow变量的赋值，觉得挺不错的，现在分享给大家，希望可以做个参考。

tensorflow中某两个变量的声明如下：

w1=tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1))

w2=tf.Variable(tf.random_normal([3, 1], stddev=1, seed=1))

x=tf.constant([[0.7, 0.9]])

a=tf.matmul(x, w1)

y=tf.matmul(a, w2)

在上述的tensorflow代码中，w1、w2和y都不会被赋值，要想得到它们的值，必须声明一个会话session，并通过会话计算结果。代码如下：

sess=tf.session()

sess.run(w1.initializer)

sess.run(w2.initializer)

sess.run(y)

但是这样做的后果是，当变量很多且有些变量之间存在依赖关系时，逐个初始化所有变量将会变成一项巨大的工程，不利于代码的编写。而tf.initialize_all_variables函数解决了这个问题，其使用方式如下：

init_op=tf.initialize_all_variables()

sess.run(init_op)

这样，就将所有的变量进行了初始化。同时，initialize_all_variables还可以自动实现函数之间的依赖关系。

以上就是大方台灯为你收集整理的tensorflow变量的赋值的全部内容，希望文章能够帮你解决tensorflow变量的赋值所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。