张量与第一个计算图

sunyuan123

于 2020-11-29 13:26:43 发布

阅读量190

点赞数

CC 4.0 BY-SA版权

分类专栏： Tensorflow 文章标签： tensorflow python

本文链接：https://blog.csdn.net/sunyuan123/article/details/110310223

Tensorflow 专栏收录该内容

11 篇文章

订阅专栏

这篇博客介绍了TensorFlow中基本的数据单元——张量，并通过代码展示了如何进行基本操作，如张量相加和矩阵乘法。在创建计算图后，使用Session运行得到结果，加深了对TensorFlow计算流程的理解。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Tensorflow里面，基本的数据单元是张量，即多维数组。数据与数据之间用有向边连接，构成了计算图。
来看如下代码：

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
a=tf.constant([1.0,2.0])
b=tf.constant([3.0,4.0])
c=a+b
print(c)

输出结果如下

Tensor("add:0", shape=(2,), dtype=float32)

这个输出结果记录了节点c在计算图中的信息。add:0是节点名，其中0代表第0个输出，2代表张量的位数，最后一项是数据类型。
进一步，考虑构造一个线性的神经元并计算结果：

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
x=tf.constant([[1.0,2.0]])
w=tf.constant([[3.0],[4.0]])
y=tf.matmul(x,w)
print(y)
with tf.Session() as sess:
    print(sess.run(y))

输出结果如下

Tensor("MatMul:0", shape=(1, 1), dtype=float32)
[[11.]]