Es ist richtig, dass eine Variable an jeder Stelle eines Tensors verwendet werden kann, aber die Hauptunterschiede zwischen den beiden sind, dass eine Variable ihren Zustand über mehrere Aufrufe von run () behält und der Wert einer Variablen durch Backpropagation aktualisiert werden kann auch gespeichert, wiederhergestellt usw. gemäß der Dokumentation).
Diese Unterschiede bedeuten, dass Sie an eine Variable denken sollten, die die trainierbaren Parameter Ihres Modells darstellt (z. B. die Gewichte und Verzerrungen eines neuronalen Netzwerks), während Sie sich einen Tensor vorstellen können Daten, die in Ihr Modell und die Zwischendarstellungen dieser Daten fließen, während sie durch Ihr Modell gehen.
Die Tensorflow-Dokumentation besagt, dass ein %code% an jeder Stelle verwendet werden kann, an der ein %code% verwendet werden kann, und sie scheinen ziemlich austauschbar zu sein. Beispiel: Wenn %code% ein %code% ist, wird %code% zu %code% .
Was ist der Unterschied zwischen den beiden, und wann würde ich einen über den anderen verwenden?
Die Tensorflow-Dokumentation besagt, dass ein Variable
an jeder Stelle verwendet werden kann, an der ein Tensor
verwendet werden kann, und sie scheinen ziemlich austauschbar zu sein. Beispiel: Wenn v
ein Variable
ist, wird x = 1.0 + v
zu Tensor
.
Was ist der Unterschied zwischen den beiden, und wann würde ich einen über den anderen verwenden?
Es ist richtig, dass eine Variable an jeder Stelle eines Tensors verwendet werden kann, aber die Hauptunterschiede zwischen den beiden sind, dass eine Variable ihren Zustand über mehrere Aufrufe von run () behält und der Wert einer Variablen durch Backpropagation aktualisiert werden kann auch gespeichert, wiederhergestellt usw. gemäß der Dokumentation).
Diese Unterschiede bedeuten, dass Sie an eine Variable denken sollten, die die trainierbaren Parameter Ihres Modells darstellt (z. B. die Gewichte und Verzerrungen eines neuronalen Netzwerks), während Sie sich einen Tensor vorstellen können Daten, die in Ihr Modell und die Zwischendarstellungen dieser Daten fließen, während sie durch Ihr Modell gehen.
Tags und Links python tensorflow