TensorFlow矩阵基本操作及其实现

具体做法

开始一个交互式会话，以便得到计算结果：

• tensorflow.eye()用于生成单位矩阵。

  用法：tensorflow.eye( num_rows, num_columns, batch_shape, dtype, name)
  参数：
  num_rows:它是int32标量张量，它定义了结果矩阵中存在的行数。
  num_columns(可选)：它是int32标量张量，它定义了结果矩阵中存在的列数。默认值为num_rows。
  batch_shape(可选)：它是Python整数或一维int32 Tensor的列表或元组。如果不是全部，返回的Tensor将具有这种形状的前导批量尺寸。
  dtype(optional):它定义了返回张量的dtype。默认值为float32。
  name(optional):它定义了操作的名称。
  返回：它返回形状为batch_shape + [num_rows，num_columns]的张量。

• eval() 是tf.Tensor的Session.run() 的另外一种写法，但两者有差别

  1.eval(): 将字符串string对象转化为有效的表达式参与求值运算返回计算结果

  2.eval()也是启动计算的一种方式。基于Tensorflow的基本原理，首先需要定义图，然后计算图，其中计算图的函数常见的有run()函数，如sess.run()。同样eval()也是此类函数，
  3.要注意的是，eval()只能用于tf.Tensor类对象，也就是有输出的Operation。对于没有输出的Operation, 可以用.run()或者Session.run()；Session.run()没有这个限制。

一些其他有用的矩阵操作，如按元素相乘、乘以一个标量、按元素相除、按元素余数相除等

tf.div 返回的张量的类型与第一个参数类型一致。

解读分析
所有加法、减、除、乘（按元素相乘）、取余等矩阵的算术运算都要求两个张量矩阵是相同的数据类型，否则就会产生错误。可以使用 tf.cast() 将张量从一种数据类型转换为另一种数据类型。
拓展阅读
如果在整数张量之间进行除法，最好使用 tf.truediv(a，b)，因为它首先将整数张量转换为浮点类，然后再执行按位相除。