TensorFlow入门教程（二）：基本使用方法，相关名称解释

一、  基本概念

• 使用图( graphs )来表示计算任务
• 在被称之为会话( Session )的上下文( context )中执行图
• 使用tensor表示数据
• 通过变量 ( Variable )维护状态
• 使用feed和fetch可以为任意 的操作赋值或者从其中获取数据

tensorflow是一个编程系统 ,使用图( graphs )来表示计算任务,图( graphs )中的节点称之为op( operation) ,一个op获得0个或多个Tensor ,执行计算,产生0个或多个Tensor。Tensor 看作是一-个n维的数组或列表。图必须在会话( Session )里被启动。

二、  示例程序

import tensorflow as tf  # 载入TensorFlow模块

m1 = tf.constant([[3, 3]])  # 创建一个1行2列的矩阵
m2 = tf.constant([[2], [3]])  # 创建一个2行1列的矩阵
product = tf.matmul(m1, m2)  # 矩阵相乘

with tf.Session() as sees:  # 定义会话，启动图
    result = sees.run(product)  # sees 的 run 方法执行矩阵乘法，触发图中的op
    print(result)  # 输出结果

结果：[[15]]

三、 创建变量

import tensorflow as tf

m1 = tf.Variable([1, 2])  # 创建一个变量
m2 = tf.constant([3, 3])  # 创建一个常量
add = tf.add(m1, m2)  # 相加
sub = tf.subtract(m1, m2)  # 相减

state = tf.Variable(0, name='counter')  # 创建一个变量
new_value = tf.add(state, 1)  # 变量加1
update = tf.assign(state, new_value)  # 将new_value赋值给state、updata
init = tf.global_variables_initializer()  # 变量初始化

with tf.Session() as sees:
    sees.run(init)
    print(sees.run([add, sub]))  # fetch可以同时运行两个
    for i in range(5):
        print('update', sees.run(update))

运行结果：

[array([4, 5]), array([-2, -1])]
update 1
update 2
update 3
update 4
update 5

 

四、 创建占位符

占位符：顾名思义，就是在程序中占住一个位置，但其值不确定，当程序运行时，可以以字典的形式传入进去。

import tensorflow as tf

m1 = tf.placeholder(tf.float32)  # 创建一个占位符
m2 = tf.placeholder(tf.float32)  # 创建一个占位符
output = tf.multiply(m1, m2)  # 数值相乘

with tf.Session() as sees:
    # feed数据以字典形式传入参数值，m1=8, m2=2
    print(sees.run(output, feed_dict={m1: [8.0], m2: [2.0]}))

结果：16