TensorFlow官方文件學習（二）

開啟anaconda prompt

activate tensor flow
python
>>>import tensorflow as tf
>>>hello=tf.constant('hello')
>>>s=tf.session()
>>>print(s.run(hello))
b'hello'

此處hello為utf-8編碼？列印出來字首b，表示資料型別為bytes而非string

hello處若為數字，則是正確的。

tensorflow 是乙個程式設計系統, 使用圖來表示計算任務. 圖中的節點被稱之為 op (operation 的縮寫). 乙個 op 獲得 0 個或多個 tensor, 執行計算, 產生 0 個或多個 tensor.每個 tensor 是乙個型別化的多維陣列. 例如, 你可以將一小**像集表示為乙個四維浮點數陣列, 這四個維度分別是 [batch, height, width, channels].

乙個 tensorflow 圖描述了計算的過程. 為了進行計算, 圖必須在會話裡被啟動. 會話將圖的 op 分發到諸如 cpu 或 gpu 之類的裝置上, 同時提供執行 op 的方法. 這些方法執行後, 將產生的 tensor 返回.在 python 語言中, 返回的 tensor 是 numpy ndarray 物件。

tensorflow 程式通常被組織成乙個構建階段和乙個執行階段. 在構建階段, op 的執行步驟被描述成乙個圖. 在執行階段, 使用會話執行執行圖中的 op.

例如,通常在構建階段建立乙個圖來表示和訓練神經網路, 然後在執行階段反覆執行圖中的訓練 op.

import tensorflow as tf
mat1=tf.constant([[1,2,3]]) #mat1為乙個1x3矩陣
mat2=tf.constant([[4],
[5],
[6]]) #mat2為乙個3x1矩陣
product=tf.matmul(mat1,mat2)

tf.constant()注釋：

tf.constant([1])，表示一維張量1，即數字1；

tf.constant([1,2,3])，表示元組或說列表，即常量列表[1,2,3]

tf.constant([[1,2,3]])，表示1x3矩陣[1 2 3]

注意體會雙層中括號的用法

此時計算圖建立完畢，現在這個圖包含三個節點（op），兩個constant（），乙個matmul（），為了真正實現計算，必須在session中啟動這個圖。

s=tf.session()
print(s.run(product))
s.close()

session 物件在使用完後需要關閉以釋放資源. 除了顯式呼叫 close 外, 也可以使用「with」 **塊來自動完成關閉動作

with tf.session() as s:
print(s.run(product))

interactivesession & session：

tf.interactivesession():它能讓你在執行圖的時候，插入一些計算圖，這些計算圖是由某些操作(operations)構成的。這對於工作在互動式環境中的人們來說非常便利，比如使用ipython。

tf.session():需要在啟動session之前構建整個計算圖，然後啟動該計算圖。

意思就是在我們使用tf.interactivesession()來構建會話的時候，我們可以先構建乙個session然後再定義操作（operation），如果我們使用tf.session()來構建會話我們需要在會話構建之前定義好全部的操作（operation）然後再構建會話。

rank 階

shape 形狀

type 資料型別

# 建立乙個變數, 初始化為標量 
state = tf.variable(0, name="counter")
one = tf.constant(1)
new_value = tf.add(state, one)
update = tf.assign(state, new_value)
init_op = tf.global_variable_initializer
啟**, 執行 op
with tf.session() as sess:
sess.run(init_op)
print sess.run(state)
for _ in range(3):
sess.run(update)
print sess.run(state)

TensorFlow官方文件學習（二）

TensorFlow官方文件學習（一）

TensorFlow 官方文件中文版

深度學習框架TensorFlow 官方文件中文版

TensorFlow官方文件學習（二）

TensorFlow官方文件學習（一）

TensorFlow 官方文件中文版

深度學習框架TensorFlow 官方文件中文版

相關推薦