tensorflow的学习

Session会话

会话的创建

import tensorflow as tf
matrix1 = tf.constant([[3,4]])
matrix2 = tf.constant([[3],
                     [3]])
product = tf.matmul(matrix1,matrix2)
## 第一种
with tf.Session() as sess:
    result = sess.run(product)
    print(result)
## 第二种
sess=tf.Session()
result=sess.run(product)
print(result)
sess.close()

变量

变量与常亮的使用 注意run才可以 不run没结果

import tensorflow as tf
state = tf.Variable(0,name="counter")
one = tf.constant(1)
new_value=tf.add(state,one)
update=tf.assign(state,new_value)
init=tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    for _ in range(3):
        sess.run(update)
        print(sess.run(state))# 变量的话 需要run
        print(sess.run(one))

placehold

当需要传值得时候 ，在run的时候，使用feed_dict 传入

import tensorflow as tf
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
output = tf.multiply(input1,input2)
with tf.Session() as sess:
    print(sess.run(output,feed_dict={input1:2,input2:4}))

激活函数

常用激活函数图像，激活函数 必须是可微分的 否则反向传播怎么传？

激活函数一般选择：

添加一层网络

import tensorflow as tf
def add_layer(inputs,in_size,out_size,activation_functin=None):
    Weights=tf.Variable(tf.random_normal([in_size,out_size]))
    biases=tf.Variable(tf.zeros([1,out_size])+0.1)
    Wx_puls_b=tf.matmul(inputs,Weights)+biases
    if activation_functin is None:
        outputs=Wx_puls_b
    else:
        outputs=activation_functin(Wx_puls_b)
    return outputs