标签:变量 eager 19 张量 模式 assign Eager tf 我们
Eager模式每进行一步输入就可以得出一步结果,我们下面直接用代码举例子
首先我们导入库,查看此时是否是eager模式,tensorflow2.0及以上的版本,默认开启eager模式
我们之前的项目均开启了Eager模式,下面介绍一个常见的张量操作
目录
3 转换获取张量 tf.conver_to_tensor()
7.3 增大与减小变量 assign_add()与assign_sub()
1 计算获取张量
我们现在定义一个x
然后令x乘x,之后复制给m
我们显示出来看一下
我们可以看到m的类型为tf.Tensor,Tensor是张量的意思,它有两个属性,shape与dtype,与np.ndarray很类似
上面这种操作就是eager模式的体现,由于我们之前使用的都是eager模式,所以我们没有感觉到缺失eager模式的不便捷
2 直接创建张量 tf.constant()
下面我们再建立一个张量,使用tf.constant方法
3 转换获取张量 tf.conver_to_tensor()
我们使用tf.conver_to_tensor()转换一个值获取张量
4 张量与python数据类型变量计算
在eager模式中,张量是可以直接与数值进行运算的,我们在卫星图像分类中使用过
此处的result就是一个张量,他并不是一个整形数据或浮点型数据,但是它依然可以与0.5进行比较
我们在这里再举个例子,使用刚刚创建的num
我们发现张量可以直接与整形数据进行取余运算
5 张量与np.ndarray计算
我们首先创建一个np.ndarray
我们使用刚刚创建的a与其相加(a是刚刚创建的张量对象)
发现也是可以相加的
6 直接转换张量
我们举两个例子,第一个我们直接使用刚刚的计算结果e,我现在要将其转变为list
我们再使用之前的num
7 变量操作
7.1 创建变量 tf.Variable()
我们使用tf.Variable()创建变量,刚刚使用tf.constant()创建的是常量
7.2 改变变量 assign()
我们使用assign()直接改变变量v
我们发现值变为了5
7.3 增大与减小变量 assign_add()与assign_sub()
我们先增大变量
发现现在值为7
之后再减小变量
发现现在值为4
7.4 读取变量 read_value()
我们发现使用read_value()读取变量后的结果为tensor
8 记录一次计算后梯度变化过程
只能记录类型为float的变量或常量
8.1 记录变量
我们求解loss对w的微分
- w的平方对w微分为2w,w本身为1,是对的
8.2 记录常量
需要加入watch()
8.3 记录多次计算后梯度变化过程
现在我们求z对w的微分,这个就属于多次计算,我们要在GradientTape()加入参数persistent并将其置为True
标签:变量,eager,19,张量,模式,assign,Eager,tf,我们 来源: https://blog.csdn.net/potato123232/article/details/120795454
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。