对TensorFlow的assign赋值用法详解_Python

对TensorFlow的assign赋值用法详解

2021-03-23 00:51mustar_2017 Python

今天小编就为大家分享一篇对TensorFlow的assign赋值用法详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

TensorFlow修改变量值后，需要重新赋值，assign用起来有点小技巧，就是需要需要弄个操作子，运行一下。

下面这么用是不行的

									import tensorflow as tf

									import numpy as np

									x = tf.Variable(0)

									init = tf.initialize_all_variables()

									sess = tf.InteractiveSession()

									sess.run(init)

									print(x.eval())

									x.assign(1)

									print(x.eval())

正确用法

									import tensorflow as tf

									x = tf.Variable(0)

									y = tf.assign(x, 1)

									with tf.Session() as sess:

									 sess.run(tf.global_variables_initializer())

									 print sess.run(x)

									 print sess.run(y)

									 print sess.run(x)

									In [212]: w = tf.Variable(12)

									In [213]: w_new = w.assign(34)

									In [214]: with tf.Session() as sess:

									  ...:  sess.run(w_new)

									  ...:  print(w_new.eval())

									# output

									34

									import tensorflow as tf

									x = tf.Variable(0)

									sess = tf.Session()

									sess.run(tf.global_variables_initializer())

									print(sess.run(x)) # Prints 0.

									x.load(1, sess)

									print(sess.run(x)) # Prints 1.

我的方法

									import numpy as np #这是Python的一种开源的数值计算扩展，非常强大

									import tensorflow as tf #导入tensorflow 

									##构造数据##

									x_data=np.random.rand(100).astype(np.float32) #随机生成100个类型为float32的值

									y_data=x_data*0.1+0.3 #定义方程式y=x_data*A+B

									##-------##

									##建立TensorFlow神经计算结构##

									weight=tf.Variable(tf.random_uniform([1],-1.0,1.0)) 

									biases=tf.Variable(tf.zeros([1]))  

									y=weight*x_data+biases

									w1=weight*2

									loss=tf.reduce_mean(tf.square(y-y_data)) #判断与正确值的差距

									optimizer=tf.train.GradientDescentOptimizer(0.5) #根据差距进行反向传播修正参数

									train=optimizer.minimize(loss) #建立训练器

									init=tf.global_variables_initializer() #初始化TensorFlow训练结构

									#sess=tf.Session() #建立TensorFlow训练会话

									sess = tf.InteractiveSession() 

									sess.run(init)  #将训练结构装载到会话中

									print('weight',weight.eval())

									for step in range(400): #循环训练400次

									  sess.run(train) #使用训练器根据训练结构进行训练

									  if step%20==0: #每20次打印一次训练结果

									  print(step,sess.run(weight),sess.run(biases)) #训练次数，A值，B值

									print(sess.run(loss))  

									print('weight new',weight.eval())

									#wop=weight.assign([3])

									#wop.eval()

									weight.load([1],sess)

									print('w1',w1.eval())