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]]
Explore our latest online courses and learn new skills at your own pace. Enroll and become a certified expert to boost your career.
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。
广告