什么时候应该使用 Tensorflow 变量，什么时候应该使用 numpy 或 python 变量

Question

我是 Tensorflow2.0 的新手，并尝试熟悉该库。 我用 numpy 做了很多工作，发现 numpy 和 tensorflow 变量是“兼容的”。但是，如果我在 tensorflow 中使用 numpy 变量或对象，是否每次都需要 tf 将此变量转换为张量？如果使用 Tensorflow，我应该将所有内容初始化为 Tf 变量，还是应该根据 numpy 或 tf 是否使用它来决定？似乎很多数学运算也在 tf.math 中实现，我应该一起放弃 numpy 运算吗？ 顺便说一句，我不会使用 Tensorflow 进行机器学习，而是主要使用 Tensorflow Probability 进行采样等。

Answer 1

Tensorflow 中的变量一般分为三种。

• var = tf.placeholder() 定义了一个占位符，用于接收和提供降雨数据。
• var = tf.constant() 创建一个常量张量。
• var = tf.variable() 定义了一个可训练的变量。 Tensorflow 会自动区分这种变量。例如，应使用tf.variable() 定义神经网络的权重和偏差。

Numpy 变量通常用于初始化var = tf.constant() 和var = tf.variable()。 var = tf.placeholder() 不需要初始化。

顺便说一下，这里有一个simple tutorial，其中包含一些动手示例，可以帮助您尽快熟悉 Tensorflow。