TensorFlow神经网络学习之张量与变量概念

#创建常数张量
    a = tf.constant(3.0)    
    print(a)

#创建常数张量
    a = tf.constant(3.0)    
    print(a)

#创建张量数组
    #0：
    array_0 = tf.zeros(shape=[3,3])    #3*3数组（0）

#1：
    array_1 = tf.ones(shape=[3,3])     #3*3数组（1）

#随机：
    array_random = tf.random_nORMal(shape=[2,3], mean=1.75, stddev=0.12)
#                                   2*3数组      均值(1.75) 标准差

#会话（查看张量）
    with tf.Session() as sess:
        print(a.eval())
        print(array_0.eval())
        print(array_1.eval())
        print(array_random.eval())

#修改张量类型
    array_0 = tf.cast(array_0, tf.int32)

#修改张量形状
    array_random = tf.reshape(array_random, shape=[3,2])

# 张量（创建与修改）
import tensorflow as tf
# 创建张量
def Create_Tensor():
    # 创建常数张量
    a = tf.constant(3.0)
    print(a)
 
    # 创建张量数组
    # 0：
    array_0 = tf.zeros(shape=[3, 3])  # 3*3数组（0）
 
    # 1：
    array_1 = tf.ones(shape=[3, 3])  # 3*3数组（1）
 
    # 随机：
    array_random = tf.random_normal(shape=[2, 3], mean=1.75, stddev=0.12)
    #                                   2*3数组      均值(1.75) 标准差
 
    # 会话（查看张量）
    with tf.Session() as sess:
        print(a.eval())
        print(array_0.eval())
        print(array_1.eval())
        print(array_random.eval()) 
# 修改张量
def Modify_Tensor():
    global array_0, array_random
    print('修改后的：')
 
    # 修改张量类型
    array_0 = tf.cast(array_0, tf.int32)
 
    # 修改张量形状
    array_random = tf.reshape(array_random, shape=[3, 2])
 
    # 会话（查看张量）
    with tf.Session() as sess:
        print(array_0.eval())
        print(array_random.eval())
 
# 创建张量
Create_Tensor()
# 修改张量
Modify_Tensor()

# 定义变量
a = tf.Variable(initial_value=2)
b = tf.Variable(initial_value=4)
c = tf.add(a,b)

# 初始化变量
init = tf.global_variables_initializer()

# 开启会话
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(c))

# 变量
import tensorflow as tf
 
# 定义变量
a = tf.Variable(initial_value=2)
b = tf.Variable(initial_value=4)
c = tf.add(a,b)
 
# 初始化变量
init = tf.global_variables_initializer()
 
# 开启会话
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(c))