Python TensorFlow中的显式与隐式类型定义
我刚刚开始学习TensorFlow。引述: 让我们构建一个简单的计算图。最基本的操作是常数。构建操作的Python函数采用张量值作为输入。结果操作不接受任何输入。运行时,它输出传递给构造函数的值。我们可以创建两个浮点常量a和b,如下所示: 第二个常量隐式类型化为float32。这是基于第一个常量的显式类型吗?这是否意味着需要第一个Python TensorFlow中的显式与隐式类型定义,python,tensorflow,types,Python,Tensorflow,Types,我刚刚开始学习TensorFlow。引述: 让我们构建一个简单的计算图。最基本的操作是常数。构建操作的Python函数采用张量值作为输入。结果操作不接受任何输入。运行时,它输出传递给构造函数的值。我们可以创建两个浮点常量a和b,如下所示: 第二个常量隐式类型化为float32。这是基于第一个常量的显式类型吗?这是否意味着需要第一个dtype?这意味着它不会: 如果未指定参数dtype,则根据值的类型推断类型 但是,没有必要显式地键入上面的3.0常量 我只是想澄清一下,就像我说的,我才刚刚开始 但
dtype
?这意味着它不会:
如果未指定参数dtype,则根据值的类型推断类型
但是,没有必要显式地键入上面的3.0常量
我只是想澄清一下,就像我说的,我才刚刚开始
但是没有必要显式地键入3.0常量
上面
绝对正确
a = tf.constant(3.0, dtype=tf.float32)
相当于:
a = tf.constant(3.0)
文档只是演示了不同的重载。如果我们想要不同的数值精度(甚至只是为了帮助人类可读性),我们可能会选择显式地提供类型,但是如果您想要默认的数据类型TF-infers,那么它完全没有必要
但是没有必要显式地键入3.0常量
上面
绝对正确
a = tf.constant(3.0, dtype=tf.float32)
相当于:
a = tf.constant(3.0)
文档只是演示了不同的重载。如果我们想要不同的数值精度(甚至只是为了帮助人类可读性),我们可能会选择显式地提供类型,但是如果您想要默认的数据类型TF-infers,那么它完全没有必要