Python 3.x 将张量变量初始化为numpyArray-减少和问题

我正在预处理一个numpy数组，并希望将其作为tensorflow变量输入。我尝试过遵循其他堆栈交换建议，但迄今为止没有成功。我想看看我在这里是否犯了什么特别的错误

  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。

---

我不知道为什么W变量的约化和保持为零。我在这里遗漏了什么吗？

所以我对它进行了一些不同的测试，发现变量分配正确，但是，约化求和函数没有按预期工作。如果有人对此有任何解释，我们将不胜感激

  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())

这有产出

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]]  

---

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

以您的示例为例，您有numpy变量：

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

接下来，这些说明是tensorflow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)

为了能够计算运算，您需要在图形中运行运算，并使用session，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（）

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

print(sum.eval()) # print 20