category

language_learning/python/2019.10.11_tensorflow_example/tensorflow.py

@@ -0,0 +1,39 @@
+import tensorflow as tf  # 导入tensorflow
+
+greeting = tf.constant('Hello Google Tensorflow!')  # 定义一个常量
+
+# 第一种方式
+sess = tf.Session()  # 启动一个会话
+result = sess.run(greeting)  # 使用会话执行greeting计算模块
+print(result)  # 打印显示
+sess.close()  # 关闭会话
+
+# 第二种方式
+with tf.Session() as sess:  # 启动一个会话
+    print(sess.run(greeting))  # 打印显示
+
+
+# 例子1：
+matrix1 = tf.constant([[1., 3.]])  # 定义常数矩阵1  tf.constant()
+matrix2 = tf.constant([[2.], [2.]])  # 定义常数矩阵2  tf.constant()
+product = tf.matmul(matrix1, matrix2)  # 矩阵乘积  tf.matmul()
+linear = tf.add(product, tf.constant(2.))  # 矩阵乘积后再加上一个常数  tf.add()
+with tf.Session() as sess:  # 启动一个会话  tf.Session()
+    print(sess.run(matrix1))  # 执行语句并打印显示  tf.Session().run
+    print(sess.run(linear))  # 执行语句并打印显示  tf.Session().run
+print(linear)  # 直接打印是不能看到计算结果的，因为还未执行，只是一个张量。这里打印显示的结果是：Tensor("Add:0", shape=(1, 1), dtype=float32)
+
+
+# 例子2：变量tf.Variable()
+state = tf.Variable(3, name='counter')  # 变量tf.Variable
+init = tf.global_variables_initializer()  # 如果定义了变量,后面一定要有这个语句，用来初始化变量。
+with tf.Session() as sess:
+    sess.run(init)  # 变量一定要初始化变量
+    print(sess.run(state))  # 执行语句并打印显示
+
+# 例子3：占位符tf.placeholder()，用来临时占坑，需要用feed_dict来传入数值。
+x1 = tf.placeholder(tf.float32)
+x2 = tf.placeholder(tf.float32)
+y = x1 + x2
+with tf.Session() as sess:
+    print(sess.run(y, feed_dict={x1: 7, x2: 2}))