数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究在进行矩阵乘法时，Tensorflow 中的“占位符”如何使用？
Tensorflow 是 Google 提供的一个机器学习框架。它是一个开源框架，与 Python 结合使用来实现算法、深度学习应用等等。它被用于研究和生产目的。
它拥有优化技术，可以帮助快速执行复杂的数学运算。这是因为它使用了 NumPy 和多维数组。这些多维数组也被称为“张量”。该框架支持使用深度神经网络。它具有高度可扩展性，并附带许多流行的数据集。
可以使用以下代码行在 Windows 上安装“tensorflow”软件包：
pip install tensorflow
张量是 TensorFlow 中使用的一种数据结构。它有助于连接数据流图中的边。这个数据流图被称为“数据流图”。张量只不过是多维数组或列表。
我们将使用 Jupyter Notebook 来运行这些代码。可以使用“pip install tensorflow”在 Jupyter Notebook 上安装 TensorFlow。
以下是一个示例：
示例
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
import numpy as np
mat_1 = tf.constant([[3, 5]])
a = tf.placeholder(tf.int32, shape=(2, 1))
b = tf.placeholder(tf.int32)
product = tf.matmul(mat_1, a) + b
with tf.Session() as sess:
result = sess.run(product, feed_dict={a: np.array([[2],[3]]), b:1})
print(result)
result = sess.run(product, feed_dict={a: np.array([[4],[5]]), b:3})
print(result)输出
[[22]] [[40]]
解释
导入所需的包并为其提供别名，以方便使用。
“tf.constant”将输入数据映射为常量值。这些常量是与输入数据一起运行的计算图的一部分。
如果需要不同的输入数据，则可以使用“tf.placeholder”替换“tf.constant”。
“feed_dict”函数用于将不同的输入数据映射到占位符。
计算矩阵的乘积。
此输出显示在控制台上。
更新于： 2021年1月19日
162 次查看
广告