Tôi không chắc chắn về sự khác biệt thực tế giữa 4 biến thể dưới đây (tất cả đều đánh giá cùng một giá trị). Sự hiểu biết của tôi là nếu tôi gọi tf
, nó sẽ tạo một thao tác trên biểu đồ và nếu không thì có thể. Nếu tôi không tạo ra các tf.constant()
lúc đầu, tôi tin rằng các hằng số sẽ được tạo ra ngầm khi thực hiện việc bổ sung; nhưng đối với tf.add(a,b)
và a + b
trong đó a
và b
là cả Tensors (# 1 và # 3), tôi không thấy sự khác biệt ngoài đặt tên mặc định (trước đây là Add
và cái sau là add
). Bất cứ ai cũng có thể làm sáng tỏ sự khác biệt giữa những điều đó và khi nào thì ai nên sử dụng chúng?TensorFlow hoạt động đơn giản: tensors vs biến Python
## 1
a = tf.constant(1)
b = tf.constant(1)
x = tf.add(a, b)
with tf.Session() as sess:
x.eval()
## 2
a = 1
b = 1
x = tf.add(a, b)
with tf.Session() as sess:
x.eval()
## 3
a = tf.constant(1)
b = tf.constant(1)
x = a + b
with tf.Session() as sess:
x.eval()
## 4
a = 1
b = tf.constant(1)
x = a + b
with tf.Session() as sess:
x.eval()