【T-Tensorflow框架学习】Tensorflow基础操作学习

Tensorflow基础操作

import tensorflow as tf

a = 3
#创建变量
w = tf.Variable([[0.5,1.0]])
x = tf.Variable([[2.0],[1.0]])
#变量操作
y = tf.matmul(w,x)      #matmul矩阵相乘的操作，在session中才能完成
print(w)

#初始化
#在Session里面对变量进行全局初始化，打开Session，把w和x放到图中
#推荐with结构实现
init_op = tf.global_variables_initializer()
#启动图：
with tf.Session() as sess:
    sess.run(init_op)   #run初始化操作
    print(y.eval())     #tf中不能直接打印y的值，需要打印y.eval()

#tensorflow常用基本操作
#推荐使用float32，在cpu和gpu中都支持，不容易出问题
from tensorflow import int32
tensor = tf.zeros([3, 4], int32)        #[3,4] 3*4矩阵，数据类型
tf.zeros_like(tensor)
tf.ones([2, 3], int32)
tf.ones_like(tensor)
#创建常量：
tensor = tf.constant([1,2,3,4,5,6,7,8,9])
tensor = tf.constant(-1.0,shape=[2,3])
#在10.0—12.0之间创建3个数
tf.linspace(10.0,12.0,3,name='linspace')
#开始的数字，delta是增量，limit是边界
start =1
limit = 100
delta = 3
tf.range(start, limit, delta)
#2*3的随机矩阵，定义平均数和方差
norm = tf.random_normal([2,3], mean=-1, stddev=4)

#洗牌操作，先定义常量，在对该常量进行shuffle操作，但是这个操作要通过session操作才能执行
#将session可以赋给一个变量sess
c = tf.constant([[1,2],[3,4],[5,6]])
shuff = tf.random_shuffle(c)
sess= tf.Session()
print(sess.run(norm))
print(sess.run(shuff))

#循环每次加1在tensorflow中实现
#定义变量和操作
#简单操作和很复杂的操作用的代码差不多，例如加法和反向传播
state = tf.Variable(0)
new_value = tf.add(state, tf.constant(1))#新值，state+1，add加法操作
update = tf.assign(state, new_value) #assign将后面的参数赋给前面的参数
#以上是计算的骨架
with tf.Session() as sess:                      #打开session
    sess.run(tf.global_variables_initializer())#run初始化，得到上面的三个变量
    print(sess.run(state))
    for _ in range(3):     #循环三次，每次得到新的计算结果，都要执行一次更新操作run
        sess.run(update)
        print(sess.run(state))

#tf.train.Saver
#保存当前的session，执行了初始化之后的操作，在下面的模块可以调用
w = tf.Variable([[0.5,1.0]])
x = tf.Variable([[2.0],[1.0]])
y = tf.matmul(w,x)
init_op = tf.global_variables_initializer()
saver = tf.train.Saver()
with tf.Session() as sess:
    sess.run(init_op)
    save_path = saver.save(sess,"D://PycharmProjects//tensorflow//model//test")
    print("Model saved in file:",save_path)

#使用numpy在tensorflow中进行初始化，可以实现但是不推荐
#使用tf中的操作进行初始化
import numpy as np
a = np.zeros((3,3))           #np初始化
ta = tf.convert_to_tensor(a)  #将np转换到tf中，不推荐这样，使用tf中的操作进行初始化
with tf.Session() as sess:
    print(sess.run(ta))       #打印转换的结果