基于tensorflow1.12
1.基本运作&张量定义
import tensorflow as tf
x1 = tf.Variable([1, 2], dtype=tf.int64) # 变量
c1 = tf.constant([1, 2, 3], dtype=tf.float64) # 常量
c2 = tf.zeros((3, 2)) # 全0张量
c3 = tf.ones((4, 3)) # 全1张量
c4 = tf.fill((2, 4), 9.9) # 全9.9张量
r1 = tf.random_normal((2, 3), mean=0, stddev=1.0) # 产生随机张量,满足正态分布
r2 = tf.truncated_normal((2, 3), mean=0, stddev=1.0) # 同上,但舍弃离均值太远的数
r3 = tf.random_uniform((4, 3), minval=1.0, maxval=2.0) # 产生随机张量,满足均匀分布
a = tf.placeholder(tf.float32, (2, 1)) # 占位符,使用时现场赋值
b = tf.placeholder(tf.float32, (1, 2))
y = tf.multiply(a, b) # 构造一个op节点,低版本用tf.mul()
with tf.Session() as sess:
sess.run(tf.global_variables_initializer()) # 初始化Variable变量
res1 = sess.run(y, feed_dict={a: [[1], [2]], b: [[4, 3]]}) # 运行会话,喂入数据,计算节点
res2 = sess.run(c3)
print(res1, res2, sep='\n')
2.函数
TensorFlow 将图形定义转换成分布式执行的操作, 以充分利用可用的计算资源(如 CPU 或 GPU。一般你不需要显式指定使用 CPU 还是 GPU, TensorFlow 能自动检测。如果检测到 GPU, TensorFlow 会尽可能地利用找到的第一个 GPU 来执行操作.
并行计算能让代价大的算法计算加速执行,TensorFlow也在实现上对复杂操作进行了有效的改进。大部分核相关的操作都是设备相关的实现,比如GPU。下面是一些重要的操作/核:
https://blog.csdn.net/lenbow/article/details/52152766