TensorFlow学习（一）基本概念+变量

最新推荐文章于 2024-03-19 14:14:12 发布

原创最新推荐文章于 2024-03-19 14:14:12 发布 · 375 阅读

0 ·

CC 4.0 BY-SA版权

TensorFlo 专栏收录该内容

7 篇文章

订阅专栏

本文介绍了TensorFlow的基本概念，包括如何定义op、启动会话、使用变量、实现变量自增，以及fetch和feed的操作。通过实例演示了矩阵运算、变量初始化、自增计数器和feed数据到占位符的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一：基本概念
TensorFlow是一个编程系统，利用图来表示计算任务，图中的节点称之为op（operation），一个op获得一个或者多个tensor（数据），执行运算产生一个或者多个tensor。tensor看做一个n维的数组或者列表。图必须在会话（session）中被启动。
二：一些基础操作
（一）定义一个op

import tensorflow as tf
m1=tf.constant([[3,3]])#创建一个常量1行2列的矩阵
m2=tf.constant([[2],[3]])#2行1列的矩阵
product=tf.matmul(m1,m2)#矩阵相乘的op
print(product)

这样输出的结果是

Tensor("MatMul:0", shape=(1, 1), dtype=int32)

（二）定义一个会话，启动默认图

#定义一个会话，启动默认图
sess=tf.Session()
#调用sess的run方法来执行矩阵乘法op
result=sess.run(product)
print(result)
sess.close()#记得关掉会话

with tf.Session() as sess1:
    result = sess1.run(product)
    print(result)

更为常用的方法，可以自动关闭会话

[[15]]

（三）变量的定义和使用

x=tf.Variable([1,2])
a=tf.constant([3,3])
sub=tf.subtract(x,a);
add=tf.add(x,sub)

#变量的初始化十分重要，当程序中有多个变量时，可以只调用这一个函数就初始化所有的变量
init=tf.global_variables_initializer()

with tf.Session() as sess2:
    sess2.run(init)
    print(sess2.run(sub))
    print(sess2.run(add))

[-2 -1]
[-1  1]

（四）实现变量的自增

state=tf.Variable(0,name='counter')#创建一个变量，初始化为0
new_value=tf.add(state,1)#定义一个op
update=tf.assign(state,new_value)

init=tf.global_variables_initializer()

with tf.Session() as sess3:
    sess3.run(init)
    print(sess3.run(state))
    for _ in range(5):
        sess3.run(new_value)#这句写不写对结果没有影响
        sess3.run(update)
        print(sess3.run(state))

（五）fetch和feed
fetch就是一个会话运行多个op

input1=tf.constant(3.0)
input2=tf.constant(2.0)
input3=tf.constant(5.0)

add=tf.add(input2,input3)
mul=tf.multiply(input1,add)
with tf.Session() as sess4:
    result=sess4.run([mul,add])
    print(result)

#创建占位符
input1=tf.placeholder(tf.float32)
input2=tf.placeholder(tf.float32)
output=tf.multiply(input1,input2)
with tf.Session() as sess5:
    #feed的数据以字典的形式传入
    print(sess5.run(output,feed_dict={input1:[8.],input2:[2.]}))