一、 constant（常量）
constant是TensorFlow的常量節點，通過constant方法創建，其是計算圖（Computational Graph）中的起始節點，是傳入數據。
創建方式
cons = tf.constant(value=[1,2],dtype=tf.float32,shape=(1,2),name='testconst', verify_shape=False)
參數說明
value：初始值，必填，必須是一個張量（1或[1,2,3]或[[1,2,3],[2,2,3]]或......）
dtype：數據類型，選填，默認為value的數據類型，傳入參數為tensorflow下的枚舉值（float32，float64.......）
shape：數據形狀，選填，默認為value的shape，設置時不得比value小，可以比value階數、維度更高，超過部分按value提供最后一個數字填充，示例代碼如下
import tensorflow as tf sess = tf.InteractiveSession() cons1 = tf.constant([1, 2, 3], shape=[2, 3]) print(sess.run(cons1)) # [[1 2 3] # [3 3 3]]
name：常量名，選填，默認值不重復，根據創建順序為（Const，Const_1，Const_2.......）
verify_shape:是否驗證value的shape和指定shape相符，若設為True則進行驗證，不相符時會拋出異常
二、placeholder（占位符）
placeholder是TensorFlow的占位符節點，由placeholder方法創建，其也是一種常量，但是由用戶在調用run方法是傳遞的，也可以將placeholder理解為一種形參。即其不像constant那樣直接可以使用，需要用戶傳遞常數值。
創建方式
X = tf.placeholder(dtype=tf.float32, shape=[144, 10], name='X')
參數說明
dtype：數據類型，必填，默認為value的數據類型，傳入參數為tensorflow下的枚舉值（float32，float64.......）
shape：數據形狀，選填，不填則隨傳入數據的形狀自行變動，可以在多次調用中傳入不同形狀的數據
name：常量名，選填，默認值不重復，根據創建順序為（Placeholder，Placeholder_1，Placeholder_2.......）
示例代碼
import tensorflow as tf import numpy.random as random #占位符shape不設時會按傳入參數自行匹配 node1 = tf.placeholder(tf.float32) # , shape=[4, 5]) node2 = tf.placeholder(tf.float32) # , shape=[4, 5]) op = tf.multiply(node1, node2) session = tf.Session() const1 = tf.constant(random.rand(4, 5)) const2 = tf.constant(random.rand(4, 5)) #可以傳入初始化后的常量 print(session.run(op, {node1: session.run(const1), node2: session.run(const2)})) #也可以直接傳入張量，其實同初始化后的常量一致 print(session.run(op, {node1: random.rand(2, 3), node2: random.rand(2, 3)}))
三、Variable（變量）
Vatiable是tensorflow的變量節點，通過Variable（注：V大寫）方法創建，並且需要傳遞初始值。在使用前需要通過tensorflow的初始化方法進行初始化。
創建方式
W = tf.Variable(initial_value=tf.zeros([9, 5]), # 初始值，必填，張量或可以轉換為張量的Python對象。初始值必須有指定一個形狀，除非`validate_shape`設置為False。 trainable=True, # 如果`True`，則默認值也將變量添加到圖形中集合`GraphKeys.TRAINABLE_VARIABLES`。這個集合用作“Optimizer”類使用的默認變量列表 collections=None, # 圖表集合鍵的列表。新的變量被添加到這些集合。默認為`[GraphKeys.GLOBAL_VARIABLES]`。 validate_shape=True, # 如果`False`，允許變量用初始化未知形狀的值。如果“True”，默認的形狀`initial_value`必須是已知的。 caching_device=None, # 可選設備字符串，描述變量的位置應該被緩存以供閱讀。默認為變量的設備。如果不是“None”，則緩存在另一個設備上。典型的用途是緩存在使用變量的Ops所在的設備上進行重復數據刪除復制`Switch`和其他條件語句。 name='W', # 變量的可選名稱。默認為“Variable”並獲取自動去重（Variable_1,Variable_2....）。 variable_def=None, # `VariableDef`協議緩沖區。如果不是“無”，則重新創建變量對象及其內容，引用變量的節點在圖中，必須已經存在。圖形沒有改變。`variable_def`和其他參數是互斥的。 dtype=tf.float32, # 如果設置，initial_value將被轉換為給定的類型。如果`None'，數據類型將被保存（如果`initial_value`是一個張量），或者“convert_to_tensor”來決定。 expected_shape=None, # 張量的Shape。如果設置，initial_value需要符合這個形狀。 import_scope=None) # 可選的字符串。名稱范圍添加到`Variable.`僅在從協議緩沖區初始化時使用。
參數說明Variable函數的全部參數如上方代碼展示，不過目前我在學習中遇到常用的的參數只有如下幾個，其他的參數暫時沒在代碼中遇到
initial_value，dtype，name，創建代碼類似下面這樣
W = tf.Variable(tf.zeros([3, 10]), dtype=tf.float64, name='W')
| 原創聲明 作者：Vulper 地址：http://www.cnblogs.com/Vulpers/p/7809276.html 本文版權歸作者和博客園共同所有，歡迎轉載，轉載必須注明出處。 |