Tensorflow-1.初识

1.基本概念

2.Tensorflow结构

3.创建图和启动图

import tensorflow as tf

#创建一个常量op
m1=tf.constant([[3,3]])
#创建一个常量op
m2=tf.constant([[2],[3]])
#创建一个矩阵乘法op，把m1和m2传入
product=tf.matmul(m1,m2)
print(product)

#定义一个会话，启动默认图
sess=tf.Session()
#调用sess的run方法，来执行矩阵乘法op
result=sess.run(product)
print(result)
sess.close

4.创建变量

import tensorflow as tf

#创建一个变量op
x=tf.Variable([1,2])
a=tf.constant([3,3])
#增加一个减法op
sub=tf.subtract(x,a)
#增加一个加法op
add=tf.add(x,sub)

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

with tf.Session() as sees:
    sees.run(init)
    print(sees.run(sub))
    print(sees.run(add))

#创建一个变量op
state=tf.Variable(0,name='counter')
new_value=tf.add(state,1)
#将后面的值赋给前面的
update=tf.assign(state,new_value)

init=tf.global_variables_initializer()

with tf.Session() as sees:
    sees.run(init)
    sees.run(state)
    for _ in range(5):
        sees.run(update)
        print(sees.run(state))

5.fetch and feed

import tensorflow as tf

#Fetch
input1=tf.constant(3.0)
input2=tf.constant(2.0)
input3=tf.constant(5.0)

add=tf.add(input2,input3)
mul=tf.multiply(input1,add)

with tf.Session() as sess:
    result=sess.run([add,mul])
    print(result)

#Feed
#创建占位符
input1=tf.placeholder(tf.float32)
input2=tf.placeholder(tf.float32)

mul=tf.multiply(input1,input2)
#值是通过运行时feed以字典形式传入
with tf.Session() as sees:
    print(sees.run(mul,feed_dict={input1:[8.0],input2:[2.0]}))

6.Tensorflow简单例子

import tensorflow as tf
import numpy as np

#随机生成100个点
x_data=np.random.rand(100)
y_data=x_data*0.01+0.2

#构造一个线性模型
k=tf.Variable(0.)
b=tf.Variable(0.)
y=k*x_data+b

#二次代价函数
loss=tf.reduce_mean(tf.square(y_data-y))

#定义一个梯度下降法来进行训练的优化器
optimizer=tf.train.GradientDescentOptimizer(0.2)
#最小化代价函数
train=optimizer.minimize(loss)

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

with tf.Session() as sees:
    sees.run(init)
    for step in range(501):
        sees.run(train)
        if step%20==0:
            print(step,sees.run([k,b]))#这里用到了fetch