tensorflow入门第一篇

Tensorflow graphs

Tensorflow是基于graph的并行计算模型，例如：计算 ,可以将算式拆分成如下格式：

d = b + c

e = c + 2

a = d * c

转换成graph后的形式：

 

TensorFlow基础运算

1   图（graph）：用来表示计算任务，也就是我们要做的一些操作

2 会话（Session）：建立会话，此时会生成一张空图；在会话中添加节点和边，形成一张图，一个会话可以有多张图，通过执行这些图得到结果，如果把每个图看做一个车床，那会话就是一个车间，里面有若干个车床，用来把数据产生成结果。

3 Tensor:用来表示数据，是我们的原料

4 变量（Variable）:用来记录一些数据和状态，是我们的容器

5 feed和fetch：可以为任意的操作赋值或者从中获取数据。相当于一些铲子，可以操作数据。

 

创建图和运行图：

#引入tensorflow包
import tensorflow as tf

#创建一个常量v1,利用constant函数，创建一个3行3列的矩阵
v1 = tf.constant([[2,3,3],[3,4,5],[5,6,7]])

#创建一个常量v2 ，是一个3行1列的矩阵
v2 = tf.constant([[2],[3],[4]])

#创建一个矩阵乘法，这里要注意，创建了乘法后，是不会立即执行的，要在会话中才能执行
product = tf.matmul(v1,v2)

#定义一个会话
sess = tf.Session()
#运算乘法得到结果
result = sess.run(product)
print(result)
sess.close()

创建一个变量：

#导入TensorFlow包
import tensorflow as tf

#创建一个变量num,初始值为0
num = tf.Variable(0,name='count')

#创建一个加法操作,把当前的数字加10
new_value = tf.add(num,10)

#创建一个复制操作，把new_value复制给num
op = tf.assign(num,new_value)

#初始化变量
init = tf.global_variables_initializer()

#使用这种写法，在运行完之后，会话会自动关闭
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(num))
    
    #创建for循环，每次给num加10，并打印出来
    for i in range(5):
        sess.run(op)
        print(sess.run(num))
        

结果：

0

10

20

30

40

50

通过feed设置placeholder的值：

#到TensorFlow包
import tensorflow as tf


#创建一个变量占位符input1
input1 = tf.placeholder(tf.float32)
#创建一个变量占位符input2
input2 = tf.placeholder(tf.float32)

#创建一个加法操作，把input1和input2相加
new_value = tf.multiply(input1,input2)

with tf.Session() as sess:
    print(sess.run(new_value,feed_dict={input1:23.0,input2:11.0}))
    

结果：253.0