Tensorflow基本操作

前言

这两天刚刚写完毕业论文，毕业设计是做的深度学习相关的内容，自己用的tensorflow来做的，当时因为毕业设计时间比较紧，自己就从简单从网上看了点教程，然后从github上拉取了一份代码，然后修修改改算是应付了过去。但是自己意识到这样是不行的，因为读研的时候可能还要去做机器学习和深度学习相关的内容，于是自己决定重新系统的学习一遍tensorflow。并且写下这份笔记，算是记录自己学习的历程吧，其中还有不正确的地方希望各位看官给予指正。

定义常量

这个是tensorflow中最简单的操作，和其他所有的程序类似，直接上代码：

a = tf.constant(2)
b = tf.constant(3)
# 运算
with tf.Session() as sess:
    print(sess.run(a+b))

运行上述代码后输出的结果是5

通过placeholder来定义操作

placeholder的作用就是先占着一个坑，具体的输入等到运行的时候在放进去，用法看代码：

# 定义两个placeholder
a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)
# 定义两个操作
add = tf.add(a,b)
mul = tf.multiply(a,b)
# 运算，并且在运算时候赋值
with tf.Session() as sess:
    print(sess.run(add,feed_dict={a:2,b:3}))

最后输出的结果也是5。具体的输入是在运行时通过feed_dict来传入的。

定义矩阵

直接上代码：

# 定于两个矩阵
m1 = tf.constant([[3.,3.]])
m2 = tf.constant([[2.],[2.]])
# 定义矩阵相乘的操作
product = tf.matmul(m1,m2)
# 运算
with tf.Session() as sess:
    print(sess.run(product))

最后输出的结果是12。

完整代码

from __future__ import print_function
import tensorflow as tf
# 定义两个常量
a = tf.constant(2)
b = tf.constant(3)
# 运算
with tf.Session() as sess:
    print(sess.run(a+b))
# 定义两个placeholder
a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)
# 定义两个操作
add = tf.add(a,b)
mul = tf.multiply(a,b)
# 运算，并且在运算时候赋值
with tf.Session() as sess:
    print(sess.run(add,feed_dict={a:2,b:3}))
# 定于两个矩阵
m1 = tf.constant([[3.,3.]])
m2 = tf.constant([[2.],[2.]])
# 定义矩阵相乘的操作
product = tf.matmul(m1,m2)
# 运算
with tf.Session() as sess:
    print(sess.run(product))

后记

继续加油加油，争取每天一篇！我爱学习，学习使我快乐！