TensorFlowで変数を作成する際に、データ型を指定することができます。しかし、この議論はちょうど無視されています。例えば:私はPythonのリストから値を初期化するのであればTensorFlowのValue関数でデータ型引数はどのように使用されますか?
In [26]: b = tf.Variable([3.0, 4.0, 5.0], tf.float64)
In [27]: b.dtype
Out[27]: tf.float32_ref
In [28]: b = tf.Variable(np.array([3.0, 4.0, 5.0]), tf.float64)
In [29]: b.dtype
Out[29]: tf.float64_ref
In [30]: b = tf.Variable(np.array([3.0, 4.0, 5.0]), tf.float32)
In [31]: b.dtype
Out[31]: tf.float64_ref
、私は(私はValue
関数の第二引数としてtf.float64
与えるにもかかわらず)タイプとしてtf.float32_ref
を取得します。値の初期化にnumpy配列を使用すると、状況は逆です(をValue
関数の第2引数として指定しても、データ型としてtf.float64_ref
が返されます)。
データ型は、値の初期化に使用されるオブジェクトのデータ型から取得されていると思います。どのような意味があるのですが、Value
関数でdtype引数が必要なのはなぜですか?
第2引数は、訓練可能なパラメータではなく、変数の名前です。 – user1190882
私は理解していない...は、docの '__init __()'関数では、私は '__init __( initial_value =なし、=なし トレーニング可能=真、 コレクション=なし、 validate_shape =真、 caching_deviceを見ません、 =なし 名=なし、 variable_def =なし、 DTYPE =なし、 expected_shape =なし、 import_scope) ' – gdelab
とにかくconsclusionは同じである:一つは名前付きパラメータを使用する必要があります – gdelab