Idealisan

TensorFlow笔记 – 张量、计算图和会话

张量是从0维(即标量,数字大小)到多维的数组,如果是一维数组,就是矢量,如果是二维数组就是矩阵,三维及其以上称作张量。

#三个0维张量,即标量:

0.3,2.0,5

#两个一维数组,即向量:

[3.0,0.2,0.6,0.4],[0.2,85.1,3.0]

#一个二维数组,即矩阵:

[[88,23,54],[4,12,69],[15,486,23],[65,89,123]]

#一个三维数组,即张量,三个维度大小是2,3,3:

[[[23,45,23],[56,45,332],[234,54,896]],[[345,56,775],[456,234,3],[344,45,6]]]

#张量这个称呼难免想到“张亮麻辣烫”,快给我打广告费!

计算图是搭建好的神经网络,包含若干个计算节点,每个节点完成各自的运算。计算图仅仅是搭建好的神经网络结构,不包含运算结果,运算结果需要完成会话来得到。

会话是一次计算图计算的过程。通过会话可以得到给定的数据经过计算图计算的结果。

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注