Tensorflow：基本原理、数据类型及编码、转换
发布于2019-08-07 14:21 阅读(1489) 评论(0) 点赞(4) 收藏(0)
基本原理
在TensorFlow中，所有的操作只有当你执行，或者另一个操作依赖于它的输出时才会运行。
运行op
构建图时不需要显示声明变量名，如
tf.concat(axis=1, values=initial_state, name="initial_state")直接使用图中的name就可以运行了。
- initial_state = sess.run(fetches="lstm/initial_state:0",
- feed_dict={"case_feed:0": case_feature})
tensorflow的一个最简单示例
- import tensorflow as tf
-
- a = tf.constant([[3, 2, 7],
- [2, 9, 8]])
- print(a)
- with tf.Session() as sess:
- print(sess.run(a))
- # print(a.eval()) #或者这样
输出：
Tensor("Const:0", shape=(2, 3), dtype=int32)
[[3 2 7]
[2 9 8]]
Note: 直接print只会打印tensor信息，是没有数值的。参考[Tensorflow：输入输出]
tensorflow数据类型及转换
tf.string类型
tf.string 张量可以保存不同长度的字节串，因为字节串被视为原子单位。字符串长度不包括在张量尺寸中。即不管用py2还是py3，tf中的str都是bytes类型，有编码的。
编码转换参考[TensorFlow支持Unicode，中文NLP终于省心了]
不过建议还是直接用bytes，不要变成unicode了，在tf内部还是会转成bytes。
其它数据类型及转换参考：
from: -柚子皮-
ref:
所属网站分类: 技术文章 > 博客
作者：我下面给你吃
链接：https://www.pythonheidong.com/blog/article/11323/c152e4de9e5bc0888d2e/
来源：python黑洞网
任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任
昵称:
评论内容：(最多支持255个字符)
---无人问津也好，技不如人也罢，你都要试着安静下来，去做自己该做的事，而不是让内心的烦躁、焦虑，坏掉你本来就不多的热情和定力