tensorflow第一天-常量

本文通过一个简单的矩阵乘法示例介绍了如何使用TensorFlow创建常量、定义计算过程并在会话中运行计算图。该示例展示了如何使用with tf.Session()进行资源管理。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

tensorflow 在Session 中运行
由每个graph 组成
每个graph包含几个option,每个option相当于一个运算
一个option连接几个常量或变量(tensor)
用with tf.Session() as sess:不需要再写sess.close()

#-*-coding:utf-8-*-
import tensorflow as tf
m1 = tf.constant([[3,3]])
m2 = tf.constant([[1],[2]])
product = tf.matmul(m1,m2)
with tf.Session() as sess:
    result = sess.run(product)
    print(result)

运行结果:

[[9]]

Tensorflow中,图的节点被称为Operation(操作)。Operation是Tensorflow的基本执行单元,每个Operation都代表一个计算任务。在Tensorflow中,我们可以定义一个计算图,而计算图中的每个节点都是一个Operation。 Operation通常包含以下内容: 1. Operation的类型(例如,法、乘法、卷积等)。 2. Operation的输入张量(也称为“输入节点”)。 3. Operation的输出张量(也称为“输出节点”)。 4. Operation的属性(例如,卷积的卷积核大小和数量)。 在Tensorflow中,我们可以使用tf.Operation类来创建Operation。下面是一个简单的例子,演示如何在Tensorflow中创建一个Operation: ``` import tensorflow as tf # 创建一个常量Operation,输出为一个标量值 a = tf.constant(2.0) # 创建另一个常量Operation,输出为一个标量值 b = tf.constant(3.0) # 创建一个法Operation,输入为a和b,输出为a+b c = tf.add(a, b) # 创建一个Session,并运行c with tf.Session() as sess: print(sess.run(c)) ``` 在上面的例子中,我们创建了两个常量Operation(a和b),并使用tf.add()函数创建了一个法Operation(c)。最后,我们创建了一个Session,并使用sess.run()函数执行了c。 需要注意的是,Operation只有在Session中运行才会被执行。因此,在创建Operation时,我们只是定义了计算任务,而不是执行它们。 此外,Tensorflow还提供了一些方便的函数来创建各种Operation。例如,tf.matmul()函数可以用来创建矩阵乘法Operation。更多关于Operation的详细信息可以参考Tensorflow的官方文档。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值