Tensorflow 基本用法

最新推荐文章于 2020-08-13 17:31:34 发布

kaisa158

最新推荐文章于 2020-08-13 17:31:34 发布

阅读量365

点赞数

文章标签： TensorFlow 机器学习

本文链接：https://blog.youkuaiyun.com/kaisa158/article/details/80808190

版权

本文介绍TensorFlow的基本用法，包括如何构建计算图、创建操作节点、执行计算过程以及使用会话管理资源。通过示例展示了如何创建常量操作并执行矩阵运算。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Tensorflow 基本用法

综述

TensorFlow 是一个编程系统, 使用图来表示计算任务. 图中的节点被称之为 op (operation 的缩写). 一个 op 获得 0 个或多个 Tensor, 执行计算, 产生 0 个或多个 Tensor. 每个 Tensor 是一个类型化的多维数组. 例如, 你可以将一小组图像集表示为一个四维浮点数数组, 这四个维度分别是 [batch, height, width, channels].

一个 TensorFlow 图描述了计算的过程. 为了进行计算, 图必须在 会话 里被启动. 会话 将图的 op 分发到诸如 CPU 或 GPU 之类的 设备 上, 同时提供执行 op 的方法. 这些方法执行后, 将产生的 tensor 返回. 在 Python 语言中, 返回的 tensor 是 numpy ndarray 对象; 在 C 和 C++ 语言中, 返回的 tensor 是tensorflow::Tensor 实例.

1.构建图的第一步, 是创建源 op (source op).

# 创建一个常量 op, 产生一个 1x2 矩阵. 这个 op 被作为一个节点

matrix1 = tf.constant([[3., 3.]])

2.构造阶段完成后, 才能启动图. 启动图的第一步是创建一个 Session 对象, 如果无任何创建参数, 会话构造器将启动默认图.

# 启动默认图.
sess = tf.Session()

# 函数调用 'run(product)' 触发了图中三个 op (两个常量 op 和一个矩阵乘法 op) 的执行.
#
# 返回值 'result' 是一个 numpy `ndarray` 对象.
result = sess.run(product)
print result

Session 对象在使用完后需要关闭以释放资源. 除了显式调用 close 外, 也可以使用 "with" 代码块来自动完成关闭动作.

with tf.Session() as sess:
  result = sess.run([product])
  print result