Tensorflow 打印常量hello tensorflow

简介: Data Science Workshop Dev - Tensorflow - 2.X - 打印常量hello tensorflow

环境信息

Data Science Workshop Dev

打印常量hello tensorflow

import tensorflow as tf
tf.__version__

'2.4.0'
# 定义常量
hello_tf_constant = tf.constant("hello,tensorflow")
# 版本不兼容,无法直接运行
with tf.Session() as sess:
    sess.run(hello_tf_constant)

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-3-4eb9d4d3287a> in <module>
----> 1 with tf.Session() as sess:
      2     sess.run(hello_tf_constant)

AttributeError: module 'tensorflow' has no attribute 'Session'    
with tf.compat.v1.Session() as sess:
    sess.run(hello_tf_constant)

---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
<ipython-input-4-420f364e899d> in <module>
      1 with tf.compat.v1.Session() as sess:
----> 2     sess.run(hello_tf_constant)

/opt/conda/lib/python3.6/site-packages/tensorflow/python/client/session.py in run(self, fetches, feed_dict, options, run_metadata)
    966     try:
    967       result = self._run(None, fetches, feed_dict, options_ptr,
--> 968                          run_metadata_ptr)
    969       if run_metadata:
    970         proto_data = tf_session.TF_GetBuffer(run_metadata_ptr)

/opt/conda/lib/python3.6/site-packages/tensorflow/python/client/session.py in _run(self, handle, fetches, feed_dict, options, run_metadata)
   1114       raise RuntimeError('Attempted to use a closed Session.')
   1115     if self.graph.version == 0:
-> 1116       raise RuntimeError('The Session graph is empty.  Add operations to the '
   1117                          'graph before calling run().')
   1118 

RuntimeError: The Session graph is empty.  Add operations to the graph before calling run().    
tf.compat.v1.disable_eager_execution()
with tf.compat.v1.Session() as sess:
    sess.run(hello_tf_constant)

---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
<ipython-input-5-95efe77ef2e2> in <module>
      1 tf.compat.v1.disable_eager_execution()
      2 with tf.compat.v1.Session() as sess:
----> 3     sess.run(hello_tf_constant)

/opt/conda/lib/python3.6/site-packages/tensorflow/python/client/session.py in run(self, fetches, feed_dict, options, run_metadata)
    966     try:
    967       result = self._run(None, fetches, feed_dict, options_ptr,
--> 968                          run_metadata_ptr)
    969       if run_metadata:
    970         proto_data = tf_session.TF_GetBuffer(run_metadata_ptr)

/opt/conda/lib/python3.6/site-packages/tensorflow/python/client/session.py in _run(self, handle, fetches, feed_dict, options, run_metadata)
   1114       raise RuntimeError('Attempted to use a closed Session.')
   1115     if self.graph.version == 0:
-> 1116       raise RuntimeError('The Session graph is empty.  Add operations to the '
   1117                          'graph before calling run().')
   1118 

RuntimeError: The Session graph is empty.  Add operations to the graph before calling run().
tf.compat.v1.disable_eager_execution()
hello_tf_constant = tf.constant("hello,tensorflow")
with tf.compat.v1.Session() as sess:
    print(sess.run(hello_tf_constant))

b'hello,tensorflow'

参考链接

  1. RuntimeError: The Session graph is empty. Add operations to the graph before calling run().解决方法
  2. AttributeError: module 'tensorflow' has no attribute 'Session'错误解决
  3. tensorflow 无法执行sess =tf .Session ()

相关链接

备注

工匠精神,精益求精,踏实学习,再接再厉 O(∩_∩)O
欢迎各位同学一起来交流学习心得!

目录
相关文章
|
6月前
|
人工智能 TensorFlow API
【Hello AI】使用AIACC-Training TensorFlow版
TensorFlow目前进行数据分布式训练的主流方式是Horovod,AIACC-Training 1.5支持使用Horovod API兼容的方式对TensorFlow分布式训练进行加速。本文为您介绍使用AIACC-Training TensorFlow版的具体操作及可能遇到的问题。
109600 2
|
TensorFlow 算法框架/工具
|
机器学习/深度学习 TensorFlow 算法框架/工具
【深度学习笔记】(二)Hello, Tensorflow!
【深度学习笔记】(二)Hello, Tensorflow! 一、安装 官方安装的方式很多种,本文采用Docker方式。Docker的深入使用文案很长很多,但我们都不需要,我们的主要目的还是Tensorflow,所以只需要基本的使用即可。
2391 0
|
TensorFlow 算法框架/工具
最简单的 TensorFlow 代码,TensorFlow Hello World 。
# -*- coding:utf-8 -*- from __future__ import print_function ''' HelloWorld example using TensorFlow library.
910 0
|
12天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
44 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
12天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
44 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
12天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
53 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
29天前
|
机器学习/深度学习 人工智能 算法
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
车辆车型识别,使用Python作为主要编程语言,通过收集多种车辆车型图像数据集,然后基于TensorFlow搭建卷积网络算法模型,并对数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django搭建web网页端操作界面,实现用户上传一张车辆图片识别其类型。
72 0
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
|
2月前
|
机器学习/深度学习 人工智能 算法
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
鸟类识别系统。本系统采用Python作为主要开发语言,通过使用加利福利亚大学开源的200种鸟类图像作为数据集。使用TensorFlow搭建ResNet50卷积神经网络算法模型,然后进行模型的迭代训练,得到一个识别精度较高的模型,然后在保存为本地的H5格式文件。在使用Django开发Web网页端操作界面,实现用户上传一张鸟类图像,识别其名称。
110 12
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
|
3月前
|
机器学习/深度学习 算法 TensorFlow
深入探索强化学习与深度学习的融合:使用TensorFlow框架实现深度Q网络算法及高效调试技巧
【8月更文挑战第31天】强化学习是机器学习的重要分支,尤其在深度学习的推动下,能够解决更为复杂的问题。深度Q网络(DQN)结合了深度学习与强化学习的优势,通过神经网络逼近动作价值函数,在多种任务中表现出色。本文探讨了使用TensorFlow实现DQN算法的方法及其调试技巧。DQN通过神经网络学习不同状态下采取动作的预期回报Q(s,a),处理高维状态空间。
59 1
下一篇
无影云桌面