TensorFlow入门笔记

笔记记录了TensorFlow中的基本语法

导入TensorFlow的库：import tensorflow as tf
tf中的变量不同于Python的变量，需要用tf函数定义：x = tf.Variable(维度),创建多维变量
变量创建后并没有产生实际值，需要申明并调用init_op = tf.global_variables_initializer()初始化所有的变量的动作
tf中定义了操作以后，并不会执行，需要打开session，在session中run(op)执行动作op：
with tf.Session() as sess:
    sess.run(init_op) //调用初始化动作 （1）
在打开session之前预定义的动作，会在初始化动作后被执行，比如有如下动作：
x = tf.Variable([[1,2]])//一行两列
w = tf.Variable([[2],[1]])//两行一列
y = tf.matmul(x, y) //矩阵乘法
矩阵动作y在语句（1）执行后，也会被计算，而在语句（1）执行前是没有实际操作的，执行后可以调用y.eval()查看动作结果
x,w,y都属于Tensor对象
numpy和tf的初始化对比：
    1）创建全0矩阵：
    np.zeros()
    tf.zeros([3, 4], float32)//最好用float32，因为CPU和GPU都支持该格式
    2）创建全1矩阵：
    np.ones()
    tf.ones([2, 3], float32)
    3）创建全1同型矩阵：
    tf.ones_like(tensor)//假设tensor是[[1,2,3],[4,5,6]],动作结果就是[[1,1,1], [1,1,1]
    3）定义常量：
    tensor = tf.constant([1,2,3])//tensor是常量，值不能变，相对于Variable=>[1,2,3]
    tensor = tf.constant(-1.0, shape=[2,3])//创建2行3列值全-1.0的矩阵=>[[-1,-1,-1,],[-1,-1,-1,]]
    4）创建区间数：
    np.linspace
    tf.linspace(10.0, 12.0, 3, name='linspace') => [10.0 11.0 12.0]
    tf.range(start, limit, delta)//从start开始到limit结尾，按照delta差值创建一列数，如[2,4,6,8,10]
    5）创建随机值：
    tf.random_normal([2,3], mean=-1, stddev=4)//创建2行3列，均值-1，标准差4的符合正态分布的随机值
    tf.random_shuffle(tensor)//对tensor矩阵执行洗牌操作，打乱原数据
加法动作：new_add = tf.add(t1, t2)//创建动作new_add,加法的两个操作数是Tensor对象t1,t2
赋值动作：new_update = tf.assign(dst, value)//创建new_update赋值动作，dst是被赋值的对象，value是赋值的值或动作的返回值
例：循环累加
v = tf.Variable(0)
new_add = tf.add(v, tf.constant(1))
new_update = tf.assign(v, new_add)    
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(v.eval())
    for _ in range(5):
        sess.run(new_update)
        print(v.eval())
保存session的动作：saver = tf.train.Saver(),用saver.save(sess, filepath)可以把一个执行中的session保存到文件中，下次可以从文件中读取该session继续执行
numpy转tf：tf.convert_to_tensor(np),把np数组/矩阵转化成tensor对象    
TensorFlow的占位符：h1 = tf.placeholder(value_type),定义一个数据类型为value_type的占位符h1，当run的时候可以给占位符具体值
例：h1 = tf.placeholder(tf.float32)
h2 = tf.placeholder(tf.float32)
output = tf.mul(h1, h2)//数值乘法
with tf.Session() as sess:
    sess.run(output, feed_dict={h1:[7.], h2:[2.])//执行动作结果是[14.]