炼数成金Tensorflow学习笔记之2.1

代码及分析

# -*- coding: utf-8 -*-
"""
Created on Sat Mar 14 09:24:02 2020

@author: 寒火qwer
"""

import tensorflow as tf

# 创建一个常量op
m1 = tf.constant([[3, 3]])
# 创建一个常量op
m2 = tf.constant([[2], [3]])

# 创建一个矩阵乘法op， 把m1和m2传入
product = tf.matmul(m1, m2)

print(product)  # 输出结果：Tensor("MatMul:0", shape=(1, 1), dtype=int32)

# 定义一个会话，启动默认的图
sess = tf.Session()
result = sess.run(product)
print(result)  # 输出结果：[[15]]
sess.close()

with tf.Session() as sess:
    result = sess.run(product)
    print(result)  # 输出结果：[[15]]

1. tf​.​constant​(​value​,​ dtype​=​None​,​ shape​=​None​,​ name​=​’Const’​,​ verify_shape​=​False)
   作用：创建一个常量张量
   value:是一个必须的值，可以是一个数值，也可以是一个列表；可以是一维的，也可以是多维的；
   dtype​：数据类型，一般可以是tf.float32, tf.float64等；
   shape：表示张量的“形状”，即维数以及每一维的大小；注意：如果列表大小小于shape大小，则会用列表的最后一项元素填充剩余的张量元素。
   verify_shape：默认为False，如果修改为True的话表示检查value的形状与shape是否相符，如果不符会报错。
2. tf.matmul(a, b, transpose_a=False, transpose_b=False, adjoint_a=False, adjoint_b=False, a_is_sparse=False, b_is_sparse=False, name=None
   )
   作用：将矩阵 a 乘以矩阵 b。
   通过将相应的标志之一设置为 True,矩阵可以被转置或 adjointed(共轭和转置).默认情况下,这些都是 False.
   如果一个或两个矩阵包含很多的零,则可以通过将相应的 a_is_sparse 或 b_is_sparse 标志设置为 True 来使用更有效的乘法算法,默认为 false.这个优化仅适用于具有数据类型为bfloat16 或 float32 的纯矩阵(rank 为2的张量).
   a：类型为 float16,float32,float64,int32,complex64,complex128 和 rank > 1的张量.
   b：与 a 具有相同类型和 rank.
   transpose_a：如果 True,a 在乘法之前转置.
   transpose_b：如果 True,b 在乘法之前转置.
   adjoint_a：如果 True,a 在乘法之前共轭和转置.
   adjoint_b：如果 True,b 在乘法之前共轭和转置.
   a_is_sparse：如果 True,a 被视为稀疏矩阵.
   b_is_sparse：如果 True,b 被视为稀疏矩阵.