資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究在進行矩陣乘法時，Tensorflow 中的“佔位符”如何使用？
Tensorflow 是 Google 提供的一個機器學習框架。它是一個開源框架，與 Python 結合使用來實現演算法、深度學習應用等等。它被用於研究和生產目的。
它擁有最佳化技術，可以幫助快速執行復雜的數學運算。這是因為它使用了 NumPy 和多維陣列。這些多維陣列也被稱為“張量”。該框架支援使用深度神經網路。它具有高度可擴充套件性，並附帶許多流行的資料集。
可以使用以下程式碼行在 Windows 上安裝“tensorflow”軟體包：
pip install tensorflow
張量是 TensorFlow 中使用的一種資料結構。它有助於連線資料流圖中的邊。這個資料流圖被稱為“資料流圖”。張量只不過是多維陣列或列表。
我們將使用 Jupyter Notebook 來執行這些程式碼。可以使用“pip install tensorflow”在 Jupyter Notebook 上安裝 TensorFlow。
以下是一個示例：
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)輸出
[[22]] [[40]]
解釋
匯入所需的包併為其提供別名，以方便使用。
“tf.constant”將輸入資料對映為常量值。這些常量是與輸入資料一起執行的計算圖的一部分。
如果需要不同的輸入資料，則可以使用“tf.placeholder”替換“tf.constant”。
“feed_dict”函式用於將不同的輸入資料對映到佔位符。
計算矩陣的乘積。
此輸出顯示在控制檯上。
更新於： 2021年1月19日
162 次檢視
廣告