将张量变量初始化为 numpy 数组 - 减少总和问题答案

【问题标题】：Initialize tensor Variable to numpyArray - Reduced Sum Issues将张量变量初始化为 numpy 数组 - 减少总和问题
【发布时间】：2017-12-09 15:59:38
【问题描述】：

我正在预处理一个 numpy 数组，并希望将其作为 tensorflow 变量输入。我试过遵循其他堆栈交换建议，但到目前为止没有成功。我想看看我是否在这里做错了什么。

  npW = np.zeros((784,10))
  npW[0,0] = 20
  W = tf.Variable(tf.convert_to_tensor(npW, dtype = tf.float32))

  sess = tf.InteractiveSession()
  tf.global_variables_initializer().run()

  print("npsum", np.sum(npW))
  print(tf.reduce_sum(W))

这就是结果。

npsum 20.0
Tensor("Sum:0", shape=(), dtype=float32)

我不知道为什么 W 变量的减少总和仍然为零。我在这里错过了什么吗？

【问题讨论】：

标签： python-3.x numpy tensorflow

【解决方案1】：

您需要了解 Tensorflow 不同于传统计算。首先，您声明一个计算图。然后，您通过图表运行操作。

以你的例子，你有你的 numpy 变量：

npW = np.zeros((784,10))
npW[0,0] = 20

接下来，这些指令是张量流变量的定义，即计算图中的节点：

W = tf.Variable(tf.convert_to_tensor(npW, dtype = tf.float32))
sum = tf.reduce_sum(W)

并且为了能够计算操作，您需要使用会话通过图形运行操作，即：

sess = tf.InteractiveSession()
tf.global_variables_initializer().run()
result = sess.run(sum)
print(result) # print 20

另一种方法是调用 eval 而不是 sess.run()

print(sum.eval()) # print 20

【讨论】：

【解决方案2】：

所以我对它进行了一些不同的测试，发现变量被正确分配，但是，reduce_sum 函数没有按预期工作。如果有人对此有解释，将不胜感激。

  npW = np.zeros((2,2))
  npW[0,0] = 20
  W = tf.Variable(npW, dtype = tf.float32)
  A= tf.constant([[20,0],[0,0]])
  sess = tf.InteractiveSession()
  tf.global_variables_initializer().run()
  # Train
  print("npsum", np.sum(npW))

  x=tf.reduce_sum(W,0)
  print(x)
  print(tf.reduce_sum(A))
  print(W.eval())
  print(A.eval())

这有输出

npsum 20.0                                                                         
Tensor("Sum:0", shape=(2,), dtype=float32)                                         
Tensor("Sum_1:0", shape=(), dtype=int32)                                           
[[ 20.   0.],                                                                        
[  0.   0.]]                                                                      
[[20  0],                                                                            
[ 0  0]]

【讨论】：