话不多说,想说的话全在代码注释里面了!
首先介绍一下Session()
import tensorflow as tf
import numpy as np
#介绍使用Session()
matrix1 = tf.constant([[3,3]])
matrix2 = tf.constant([[2],[2]])
#matrix multiply 矩阵乘法
# numpy中使用矩阵的乘法就是np.dot(m1,m2)
product = tf.matmul(matrix1,matrix2)
#method 1 方法一
sess = tf.Session() #这个Session是个对象,首字母被大写
result = sess.run(product) #执行product,每run一次执行一次结构,将结果返回给result
print(result);
sess.close();
#method 2 方法二
with tf.Session() as sess: #我打开了Session,并命名为sess,不用理会关闭问题,运行完毕后自动关闭
result2 = sess.run(product);
print(result2)
运行结果:
再来介绍一下TensorFlow中的Variable变量的简单利用
#介绍使用Variable变量
import tensorflow as tf
state = tf.Variable(0,name='counter'); #一定要定义成是一个变量才是一个变量
#print(state.name);
one = tf.constant(1); #常量1
new_value = tf.add(state , one);
update = tf.assign(state,new_value); #将new_value的值赋给state
#关于变量最重要的一步:初始化所有的变量,然后使用Session().run才算激活
init = tf.initialize_all_variables() #定义变量所必须的一步
with tf.Session() as sess:
sess.run(init) #只有这里run一次,才激活了init的初始化
for _ in range(3):
sess.run(update);
print(sess.run(state));
运行结果:
placeholder传值
import tensorflow as tf
input1 = tf.placeholder(tf.float32);
input2 = tf.placeholder(tf.float32);
output = tf.multiply(input1,input2); #两数相乘
with tf.Session() as sess:
#用了placeholder就是每次要传一个值,传值的实际就是sess.run的时候,形式是feed_dict这样以字典的形式
print(sess.run(output,feed_dict={input1:[7.],input2:[2.]}));
运行结果: