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

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