Tensorflow学习文档【待更新】

本文部分参考 

https://morvanzhou.github.io/

https://www.bilibili.com/video/av9156347/?from=search&seid=14443754263386295565

 

如何安装?

win10-x64下cpu版本

1.下载安装python3.6勾选ADD环境变量。（此安装包自带numpy与pip）

2.cmd输入pip install tensorflow等待安装完成

3.import tensorflow as tf没有报错则成功

4.安装一些工具包(通过cmd) pip install matplotlib

 

#===============================忽略烦人的警告===============================
#在使用tensorflow时可能会输出一些无用警告，以下可以屏蔽
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'  #忽略烦人的警告

 

 

 

#===============================网络计算&可视化网络===============================
#tensorflow是先构成网络的连接方式、运算方式，再进行运算(run)，要使用内置方法如tf.add
#tf有自己的可视化工具，用name命名方便可视化查看
import tensorflow as tf
x=tf.constant(2,name='x')#常量
y=tf.constant(3,name='y')
op1=tf.add(x,y,name='add')
op2=tf.multiply(x,y,name='mul')
op3=tf.multiply(op1,op2,name='mul')
op4=tf.add(op1,x,name='add')
sess=tf.Session()#这一步是生成网络
writer=tf.summary.FileWriter('./graphs',sess.graph)#在./graphs路径中保存可视化文件（网络可视化）
op3,op4=sess.run([op3,op4])#可以通过run得到任何结点的输出
print('op3:',op3)
print('op4:',op4)
writer.close()
sess.close()
#####################################################################
# 然后调出终端，先cd到graphs上一个目录，注意！不要有中文目录
# cd C:\Users\xytpai\Desktop\ML
# 然后到终端输入
# tensorboard --logdir=graphs --port 6006 --host=127.0.0.1
# chrome浏览器打开
# http://localhost:6006/
#####################################################################

 

 

 

#===============================运行多个模型===============================
#运行期间不能交互，若是gpu则独占整个GPU资源
import tensorflow as tf
g=tf.Graph()#定义一个图g
with g.as_default():#把g设置为默认图(图也就是网络)
	x=tf.add(3,5)#现在这个操作在图g之上的
with tf.Session(graph=g)as sess:#选定图g生成网络
	print(sess.run(x))#x结点输出
#如果要获取当前图g=tf.get_default_graph()

#===============================在运行图的时候插入一些图===============================
#当直接在python语言环境交互式输出命令时，也可以边插入图边查看效果，而不用Session
tf.InteractiveSession()
a=tf.constant(2,shape=[2,2])#定义a的向量形状
a.eval()#显示向量数据

#===============================多维输入的节点===============================
import tensorflow as tf
a=tf.constant([2,2])#a为仅有一行的常数向量
b=tf.constant([[0,1],[2,3]])#b为2行2列的常数矩阵
x=tf.add(a,b)#a中那一行与b中各行相加，tf自带一些矩阵向量的计算方式