tensorflow基础学习笔记

查看神经网络某层的权重和偏执

sess.run(Weights)
sess.run(baises))

即可查看当前的weights和baises

首先的首先，tf的游戏规则是所有的操作op，变量都视为节点。

定义一个一维的常量张量

mx1 = tf.constant([[3,3]])

定义一个二维的常量张量

mx2 = tf.constant([[2],
[2]])

赋值操作：

tf.assign(state,new_value) #将new_value的值付给state

矩阵乘法：

#matrix multiply = np.dot(mx1,mx2)
product = tf.matmul(mx1,mx2)
sess = tf.Session()
result = sess.run(product)            #一定记得要run！！

加法：

new_value = tf.add(state,one)

常量与变量的定义：

one = tf.constant(1)                     #定义了一个常量1
state = tf.Variable(0,name='可以定义变量的名字')  #tf中object一般首字母大写

变量的初始化：

init = tf.global_variables_initializer()  # 变量在定义之后一定要初始化
#还不算完
sess.run(init) #假设现在我们还在前面矩阵乘法的sess里，就直接run就好啦

占位符：可以定义一个结构，然后每次传入不同的值。

x = tf.placeholder(tf.float32, shape=[None, 26]) #第一个参数表明了类型，第二个参数表明了结构，x行，26列

举个栗子：在 Tensorflow 中需要定义 placeholder 的 type ，一般为 float32 形式

input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)

mul = multiply 是将input1和input2 做乘法运算，并输出为 output

ouput = tf.mul(input1, input2)
with tf.Session() as sess:
print(sess.run(ouput, feed_dict={input1: [7.], input2: [2.]}))