-
Notifications
You must be signed in to change notification settings - Fork 0
/
VariablesYPlaceholders.py
50 lines (46 loc) · 2.38 KB
/
VariablesYPlaceholders.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
# Variables y Placeholders
# 13/08/20
# Impotamos la librería de tensorflow
# y le asignamos un alias "tf"
import tensorflow as tf
# Así se ejecutan las cosas en tensorflow dentro de una sesión
# En otros terminos es como un entorno virtual
with tf.compat.v1.Session() as sesion:
# imprime la versión de tf
print('\nVersion actual de TF ' + str(tf.__version__) + '\n')
# las variables sirven para almacenar datos
# como por ejemplo los pesos en los enlaces entre las neuronas
# y también el valor via de cada uno
# esta es la manera correcta de crear una variable de tipo random.uniform
# en esta variable guardamos una matriz de 5x5 con un valor minimo y un valor máximo
tensor = tf.random.uniform((5, 5), 0, 1)
# creamos una variable que será igual a un tensor
# y le pasamos el valor inicial que es el tensor que creamos primero
variable = tf.Variable(initial_value=tensor)
# imprimimos el valor de la variable
print('\n Aqui ejecutamos la variable que hemos inicializado como tensor ' +
str(variable) + '\n')
# las variable siempre necesitan ser inicializadas
# así que creamos una variable para inicializar las variables globales
# con la V1 de tensorflow se ejecuta de esta manera
inicializador = tf.compat.v1.global_variables_initializer()
# o también se puede ejecutar de la siguiente manera, aun que la primera y segunda opción están obsoleta desde el 2017
#i = tf.compat.v1.initialize_all_variables()
# ejecutamos la sesión eh inicializamos las variables globales
sesion.run(inicializador)
# guardamos en la variable resultado, el valor de la variable mediantes la sesion
# la cual es una variable de tipo tensor
resultado = sesion.run(variable)
# imprimimos el resultado de la variable
print('\n' + str(resultado) + '\n')
# Placeholders están inicialmente vacios
# Se utilizan para alimentar los ejemplos de entranamiento del modelo
# Una especie como de incognita dentro de las ecuaciones
# Se ejecuta la versión1 para poder hacer uso del placerholder
# Ya que la versión2 no ocupa placeholders
# tf.placeholder(tf.float32,shape=(20,20))
incognitas = tf.compat.v1.placeholder(tf.float32, (20, 20))
# imprimimos el valor de incognitas
print('\n' + str(incognitas) + '\n')
# Cerramos la sesión
sesion.close()