TensorFlow修改变量值后,需要重新赋值,指定用起来有点小技巧,就是需要需要弄个操作子,运行一下。
<强>下面这么用是不行的
进口tensorflow特遣部队
进口numpy np
x=tf.Variable (0)
init=tf.initialize_all_variables ()
税=tf.InteractiveSession ()
sess.run (init)
print (x.eval ())
x.assign (1)
print (x.eval ())
之前
<强> 1。
进口tensorflow特遣部队
x=tf.Variable (0)
y=特遣部队。分配(x, 1)
与tf.Session税():
sess.run (tf.global_variables_initializer ())
打印sess.run (x)
打印sess.run (y)
打印sess.run (x)
之前
<强> 2。
在[212]:w=tf.Variable (12)
在[213]:w_new=w.assign (34)
在[214]:tf.Session税():
…:sess.run (w_new)
…:打印(w_new.eval ())
#输出
34
之前
<强> 3。
进口tensorflow特遣部队
x=tf.Variable (0)
税=tf.Session ()
sess.run (tf.global_variables_initializer ())
打印(sess.run (x) #打印0。
x。负载(税)
打印(sess.run (x) #打印1。
之前
进口numpy np #这是Python的一种开源的数值计算扩展,非常强大
进口tensorflow tf #导入tensorflow
# # # #构造数据
x_data=https://www.yisu.com/zixun/np.random.rand (100) .astype (np.float32) #随机生成100个类型为float32的值
y_data=x_data * 0.1 + 0.3 #定义方程式y=x_data * A + B
# # - - - - - - - # #
# #建立TensorFlow神经计算结构# #
重量=tf.Variable (tf.random_uniform ([1], -1.0, 1.0))
偏见=tf.Variable (tf.zeros ([1]))
y=重量* x_data +偏见
w1=重量* 2
损失=tf.reduce_mean (tf.square (y-y_data)) #判断与正确值的差距
优化器=tf.train.GradientDescentOptimizer(0.5) #根据差距进行反向传播修正参数
火车=optimizer.minimize(亏损)#建立训练器
init=tf.global_variables_initializer() #初始化TensorFlow训练结构
#税=tf.Session() #建立TensorFlow训练会话
税=tf.InteractiveSession ()
sess.run (init) #将训练结构装载到会话中
print(“重量”,weight.eval ())
一步的范围(400):#循环训练400次
sess.run(火车)#使用训练器根据训练结构进行训练
如果一步% 20==0:#每20次打印一次训练结果
打印(步骤,sess.run(重量),sess.run(偏见))#训练次数,值,B值
打印(sess.run(损失)
print(体重新,weight.eval ())
# wop=weight.assign ([3])
# wop.eval ()
weight.load([1],税)
print (w1, w1.eval ())
之前
以上这篇对TensorFlow的分配赋值用法详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
