TensorFlow学习（一）

TensorFlow学习（一）介绍常量（例）变量（例）Fetch and Feed（例）Fetch：会话中同时运行多个opFeed:创建占位符，在运行op的时候再传入值

TensorFlow学习（一）

介绍

TensorFlow是一个编程系统，使用图（graphs）表示任务，使用Tensor表示数据，通过变量（variable）维护状态，使用feed和fetch为任意的操作赋值或者从其中获取数据。图中的节点称为op(operation),一个op获得0个或者多个Tensor，执行计算，产生0个或者多个Tensor，Tensor看做是一个n维的数组或者列表。图必须在会话（session）里被启动。

常量（例）

代码：实现一个常量矩阵相乘 方法一

import tensorflow as tf #创建一个常量op m1=tf.constant([[3,3]]) #一行两列的矩阵 #创建一个常量op m2=tf.constant([[2],[3]]) #两行一列的矩阵 #创建一个矩阵乘法op pr=tf.matmul(m1,m2) #定义一个会话 sess = tf.Session() result = sess.run(pr) print(result) sess.close()

结果为 [[15]] 方法二：

import tensorflow as tf #创建一个常量op m1=tf.constant([[3,3]]) #一行两列的矩阵 #创建一个常量op m2=tf.constant([[2],[3]]) #两行一列的矩阵 #创建一个矩阵乘法op pr=tf.matmul(m1,m2) #定义一个会话 with tf.Session() as sess: result = sess.run(pr) print(result)

结果为 [[15]]

变量（例）

代码一：实现一个矩阵加和减

import tensorflow as tf #定义一个变量 x = tf.Variable([1,2]) a = tf.constant([3,3]) sub = tf.subtract(x,a) add = tf.add(x,sub) init = tf.global_variables_initializer() #初始化变量 with tf.Session() as sess: sess.run(init) print(sess.run(sub)) print(sess.run(add))

结果为 [-2 -1] [-1 1] 代码二：实现一个数自增

import tensorflow as tf state = tf.Variable(0,name='counter') new_value = tf.add(state,1) update = tf.assign(state,new_value) #赋值操作 init = tf.global_variables_initializer() with tf.Session() as sess: sess.run(init) print(sess.run(state)) for i in range(5): sess.run(update) print(sess.run(state))

结果为 0 1 2 3 4 5

Fetch and Feed（例）

Fetch：会话中同时运行多个op

代码：

import tensorflow as tf input1=tf.constant(3.0) input2=tf.constant(2.0) input3=tf.constant(5.0) add = tf.add(input2,input3) mu1 = tf.multiply(input1,add) with tf.Session() as sess: result = sess.run([mu1,add]) #### Fetch在会话中同时运行多个op print(result)

结果为： [21.0, 7.0]

Feed:创建占位符，在运行op的时候再传入值

代码：

import tensorflow as tf i1 = tf.placeholder(tf.float32) #### 创建占位符 i2 = tf.placeholder(tf.float32) output = tf.multiply(i1,i2) ####feed数据以字典的形式传入 with tf.Session() as sess: print(sess.run(output,feed_dict={i1:7.0,i2:2.0})) ####注意是逗号不是点 print(sess.run(output,feed_dict={i1:[7.0],i2:[2.0]}))

结果为： 14.0 [14.]