TensorFlow学习（一）

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.]