关于tensorflow的基本语法知识
2017-09-12 00:12
274 查看
最近开始学习tensorflow,那么在这里把我学习过程中的感受讲讲。
首先是tensorflow的基本操作
在这里我只贴上一小部分代码,附上中文的解释,我觉得了解这些之后再去看官方文档应该知道怎么入手了。
第一个当然是用tensorflow写的 hello world啦。。。
当然更多的关于tensorflow的基本操作我就没写了,大家可以看看tensorflow官方教程里面关于基本操作的介绍
当然这里有一篇挺好博文:对于tensorflow入门基本知识讲的还是挺全的:http://blog.csdn.net/lenbow/article/details/52152766
好啦,关于tensorflow的基础知识就介绍到这里了,祝大家学习生活愉快。
首先是tensorflow的基本操作
在这里我只贴上一小部分代码,附上中文的解释,我觉得了解这些之后再去看官方文档应该知道怎么入手了。
第一个当然是用tensorflow写的 hello world啦。。。
import os import tensorflow as tf os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 使用TensorFlow输出Hello # 创建一个常量操作( Constant op ) # 这个 op 会被作为一个节点( node )添加到默认计算图上. # # 该构造函数返回的值就是常量节点(Constant op)的输出. hello = tf.constant('Hello, TensorFlow!') # 启动TensorFlow会话 sess = tf.Session() # 运行 hello 节点 print(sess.run(hello))
''' TensorFlow library 的基本操作. ''' import os import tensorflow as tf os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 基本常量操作 # T构造函数返回的值就是常量节点(Constant op)的输出. a = tf.constant(2) b = tf.constant(3) # 启动默认的计算图 with tf.Session() as sess: print("a=2, b=3") print("常量节点相加: %i" % sess.run(a+b)) print("常量节点相乘: %i" % sess.run(a*b)) # 使用变量(variable)作为计算图的输入 # 构造函数返回的值代表了Variable op的输出 (session运行的时候,为session提供输入) # tf Graph input a = tf.placeholder(tf.int16) b = tf.placeholder(tf.int16) # 定义一些操作 add = tf.add(a, b) mul = tf.multiply(a, b) # 启动默认会话 with tf.Session() as sess: # 把运行每一个操作,把变量输入进去 print("变量相加: %i" % sess.run(add, feed_dict={a: 2, b: 3})) print("变量相乘: %i" % sess.run(mul, feed_dict={a: 2, b: 3})) # 矩阵相乘(Matrix Multiplication) # 创建一个 Constant op ,产生 1x2 matrix. # 该op会作为一个节点被加入到默认的计算图 # 构造器返回的值 代表了Constant op的输出 matrix1 = tf.constant([[3., 3.]]) # 创建另一个 Constant op 产生 2x1 矩阵. matrix2 = tf.constant([[2.],[2.]]) # 创建一个 Matmul op 以 'matrix1' 和 'matrix2' 作为输入. # 返回的值, 'product', 表达了矩阵相乘的结果 product = tf.matmul(matrix1, matrix2) # 为了运行 matmul op 我们调用 session 的 'run()' 方法, 传入 'product' # ‘product’表达了 matmul op的输出. 这表明我们想要取回(fetch back)matmul op的输出 # op 需要的所有输入都会由session自动运行. 某些过程可以自动并行执行 # # 调用 'run(product)' 就会引起计算图上三个节点的执行:2个 constants 和一个 matmul. # ‘product’op 的输出会返回到 'result':一个 numpy `ndarray` 对象. with tf.Session() as sess: result = sess.run(product) print('矩阵相乘的结果:', result) # ==> [[ 12.]] #保存计算图 writer = tf.summary.FileWriter(logdir='logs', graph=tf.get_default_graph()) writer.flush()
当然更多的关于tensorflow的基本操作我就没写了,大家可以看看tensorflow官方教程里面关于基本操作的介绍
当然这里有一篇挺好博文:对于tensorflow入门基本知识讲的还是挺全的:http://blog.csdn.net/lenbow/article/details/52152766
好啦,关于tensorflow的基础知识就介绍到这里了,祝大家学习生活愉快。
相关文章推荐
- 对于C#基本知识的一点感悟(1)——关于C#语法的抽象
- C#之基本知识和语法2-使用和配置Visual Studio 2008
- 【Clojure 基本知识】 关于函数参数的各种高级用法
- 关于python的基础知识15 -- 语法错误和异常
- 关于Frame 的基本知识
- HTML基本基础语法知识
- 关于风电的一些基本知识
- 关于手机UI和QT实现的一些基本知识
- 关于 frame的一些基本知识 分类: ffmpeg-SDL-VLC-Live555 2013-07-22 16:30 315人阅读 评论(0) 收藏
- 关于51单片机的一些基本知识
- tensorflow基本语法
- Mongodb基本知识和常用语法
- 关于Java中基本类型的长度相关基础知识
- 关于linux图形界面编程基本知识
- 关于 frame的一些基本知识
- 基本的OpenGL语法及其相关的知识。
- 关于iphone定位的基本知识
- 关于Ajax的基本知识
- HTML基本基础语法知识
- 关于linux图形界面的基本知识