tensorflow2学习笔记一：tensorflow2常用操作

1.1 with的用法

参考链接：https://blog.csdn.net/lxy210781/article/details/81176687

相当于java中的try catch，在打开关闭文件（open）时等，在操作之前和操作之后需要进行一些额外操作的，不然会报错的，使用with

例子：

with open(r'c:\test.txt', 'r') as f:
    data = f.read()

with后面返回的对象要求必须有***enter()/exit()***这两个方法，而文件对象 f 刚好是有这两个方法的，故应用自如。

1.2 tf.matmul() 和 tf.multiply() 的区别

tf.matmul() 是矩阵乘法

# 2-D tensor `a`
# [[1, 2, 3],
#  [4, 5, 6]]
a = tf.constant([1, 2, 3, 4, 5, 6], shape=[2, 3])

# 2-D tensor `b`
# [[ 7,  8],
#  [ 9, 10],
#  [11, 12]]
b = tf.constant([7, 8, 9, 10, 11, 12], shape=[3, 2])

# `a` * `b`
# [[ 58,  64],
#  [139, 154]]
c = tf.matmul(a, b)

tf.multiply() 是元素乘法，对应位置的元素一一相乘，也叫点积

a = tf.constant(range(6), shape=(2, 3))
# [[0 1 2],
#  [3 4 5]]
b = tf.fill((2, 3), 5)
# [[5 5 5],
#  [5 5 5]]
c = tf.multiply(a, b)  
# [[ 0  5 10],
#  [15 20 25]]
# multiply()也相当于 a * b
d = a * b
# [[ 0  5 10],
#  [15 20 25]]

1.3 tensorflow常用包

• tensorflow.data模块提供了有关数据处理的工具
• tensorflow.keras.layers模块定义了大量神经网络的层
• tensorflow.initializers模块定义了各种初始化方法
• tensorflow.optimizers模块提供了模型的各种优化算法

1.4 tensorflow读取数据的方法

tensorflow常用的读取数据的代码为：

dataset = tf.data.Dataset.from_tensor_slices((features, labels))  # 将feature和label读入dataset中
dataset = dataset.shuffle(buffer_size=num_examples)  # 乱序
dataset = dataset.batch(batch_size=batch_size)  # 每batch_size个为一组
data_iter = iter(dataset)