TensorFlow的基本操作

环境：PyCharm 2.018.1.3 x64 ，Python 3.6

代码如下：

import tensorflowas tf

import os

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:

#把运行的每一个操作，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'，表达了矩阵相处的结果

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()

来自    人工智能社区    http://www.studyai.com/