tensorflow:在session中进行,由graph表示
import tensorflow as tf
#创建常量op
m1 = tf.constant([[3,3]]) #创建一个一行两列的矩阵
m2 = tf.constant([[2],[3]])#创建一个两行一列的矩阵
#在此记忆一个[]为列表,两个[[]]是矩阵
#创建一个矩阵乘法op
product =tf.matmul(m1,m2)
'''
print (profuct)
在此直接打印,的到结果为tensor
Tensor("MatMul:0", shape=(1, 1), dtype=int32)
所以放入会话中
'''
#定义会话,启动默认的图
#在图中调用run ,触发之前的三个op
'''
sess =tf.Session()
result = sess.run(prosuct)
print (result)
sess.close()
'''
with tf.Session() as sess:
result = sess.run(product)
print(result)
关于变量Variable:一定要初始化
import tensorflow as tf
#创建变量op
x =tf.Variable([1,2])
y =tf.constant([3,3])
#变量初始化
init =tf.global_variables_initializer()#变量初始化
#创建减法op
sub =tf.subtract(x,y)
#创建减法op
add =tf.add(x,sub)
with tf.Session() as sess:
sess.run(init)#在加载前先运行这个变量
print (sess.run(add))
print (sess.run(sub))
对于变量在for循环中运用:
i = tf.Variable(0) #创建变量op update = tf.add(i, 1) #变量加一op stact = tf.assign(i, update) #赋值op,后一个数值付给前一个 init =tf.global_variables_initializer() with tf.Session() as sess: sess.run(init) for j in range(5): print(sess.run(i)) sess.run(stact)