标签：rac val flow 数字 定义 atm 概念 简写 取值
一、Tensorflow基本概念
1、使用图（graphs）来表示计算任务
2、在被称之为会话（Session）的上下文（context）中执行图
3、使用tensor表示数据
4、通过变量（Variable）维护状态
5、使用feed和fetch可以为任意的操作赋值或者从其中获取数据
Tensorflow是一个编程系统，使用图（graphs）来表示计算任务，图（graphs）中的节点称之为op（operation），一个op获得0个或者多个Tensor，执行计算，产生0个或多个Tensor，Tensor看作是一个n维的数组或列表。图必须在会话（Session）里被启动。
二、Python代码实现基本概念
1、创建并运行图
1 import tensorflow as tf # 简写方便一点 2 3 # 创建两个常量(constant) 4 m1=tf.constant([[3,3]]) #一行两列的矩阵 5 m2=tf.constant([[2],[3]]) #两行一列的矩阵 6 7 # 创建一个矩阵乘法(matmul)的op 8 product=tf.matmul(m1,m2) 9 print(product)
运行会得到显示结果
Tensor("MatMul:0", shape=(1, 1), dtype=int32)
结果并不是想象中的是一个具体数字，而是一个Tensor，这是因为之前提到过 图必须在会话中运行，现在我们并未使用会话，所以只能得到一个Tensor
定义会话有两种方法
1 # method 1 2 sess=tf.Session() # 将Session简写为sess 3 result=sess.run(product) # 调用run方法执行图，这个触发了三个op(操作)，两个常量的建立，矩阵的乘法 4 print(result) 5 sess.close() # 关闭会话
1 # method 2 2 with tf.Session() as sess: # Session()后面的()因为代码提示里没有，所以很容易丢 3 result=sess.run(product) 4 print(result) # with as的这种结构会自动关闭会话
运行显示结果为
[[15]]
2、变量
1 import tensorflow as tf 2 3 x=tf.Variable([1,2]) # 定义一个变量 4 a=tf.constant([3,3]) # 定义一个常量 5 6 sub=tf.subtract(x,a) # 增加一个减法op 7 add=tf.add(x,sub) # 增加一个加法op 8 9 init=tf.global_variables_initializer() # 在tensorflow中使用变量要初始化，此条语句也可以初始化多个变量 10 11 with tf.Session() as sess: 12 sess.run(init) # 变量初始化，也要放在会话中，才能执行 13 print(sess.run(sub)) 14 print(sess.run(add))
运行将得到结果
[-2 -1]
[-1 1]
上述代码展示了变量的定义和初始化，但还没有体现变量的本质，下面一段代码实现变量state进行5次+1的操作
1 state=tf.Variable(0,name=‘counter‘) # 创建一个变量初始化为0，并命名为counter。（此段代码中命名无作用） 2 new_value = tf.add(state,1) # 创建一个加法op，作用是使state加1 3 update=tf.assign(state,new_value) # 此句话是赋值op，在tensorflow中，赋值也需要对应的方法 4 init=tf.global_variables_initializer() # 变量初始化 5 with tf.Session() as sess: 6 sess.run(init) 7 print(sess.run(state)) 8 for _ in range(5): # Python中对于无需关注其实际含义的变量可以用_代替，这就和for i in range(5)一样，因为这里我们对i并不关心，所以用_代替仅获取值而已。 9 sess.run(update) 10 print(sess.run(state))
运行，显示结果为
0
1
2
3
4
5
3、Fetch
所谓fetch就是进行多个op，下一段代码 sess.run中就执行了两个op
1 import tensorflow as tf 2 3 input1 = tf.constant(3.0) 4 input2 = tf.constant(2.0) 5 input3 = tf.constant(5.0) 6 7 add = tf.add(input2,input3) 8 mul=tf.multiply(input1,add) 9 10 with tf.Session() as sess: 11 result = sess.run([mul,add]) # 执行了两个op，要注意格式 12 print(result)
运行，结果显示为
[21.0, 7.0]
4、Feed
feed的含义就是先不输入具体数值，先用占位方法占位，在会话中调用op时，再输入具体值。
import tensorflow as tf input1 = tf.placeholder(tf.float32) # 使用placeholder()占位，需要提供类型 input2 = tf.placeholder(tf.float32) output = tf.multiply(input1,input2) with tf.Session() as sess: print(sess.run(output,feed_dict={input1:[8.],input2:[2.]})) # 要使用feed，则需要在调用run()时，除了输入op，还需要以字典形式输入feed_dict
运行，显示结果为
[ 16.]
以上就是一些比较基本的tensorflow概念的描述和代码实现
ps:本人初学者，有错误欢迎指出。感谢。
标签：rac val flow 数字 定义 atm 概念 简写 取值
原文地址：https://www.cnblogs.com/wanyu416/p/8954098.html
