.constant: 生成乙個常量型別的張量
.session: 生成乙個可運算的會話控制代碼
.interactivesession(): 等價於 sess = tf.session(), 但是結果的執行會有所不同
interactivesession()：使用這個需要在執行函式後 .eval(), 才會得到結果
session(): 使用這個需要配合 生成的控制代碼再結合 .run(), 才會得到結果
參見：.convert_to_tensor: 可將 python 物件轉化為 tensor 物件，
它的輸入可以是 tensor 物件，numpy 物件，python 列表，python 標量
.variable: 給乙個變數賦初值
.transpose(x): 矩陣轉置運算
.matmul(x, y): 矩陣乘法 x * y
.matrix_determinant(x): 求矩陣行列式
.matrix_inverse(x): 求矩陣的逆
.matrix_solve(x, [[m], [n], [p], [q]])：求以矩陣 x 為係數矩陣，m、n、p、q 為常數的解
.reduce_prod: 對矩陣的每一行元素進行累乘
.reduce_min: 取矩陣每一行最小的元素
.reduce_max: 取矩陣每一行最大的元素
.reduce_mean: 求矩陣每一行之和的算術平均值
.reduce_sum: 對矩陣的每一行求和
.reduce_logsumexp: 對矩陣的每一行做 log(sum(exp(每行的元素))) 處理
.reduce_all: 張量為布林型矩陣，每一行作「與」運算
.reduce_any: 張量為布林型矩陣，每一行作「或」運算
.segment_sum(tensor, segmentids):tensor，要進行分割的張量；segmentids，對張量進行標記分割分割張量， 要相互進行操作的張量維度進行標記。這裡相當於進行分組例如：
import tensorflow as tftf.segment_sum(tensor, segmentids) # 將張量 tensor 分割為：第一行為一組，第segmentids = tf.constant([0, 1, 1, 2, 2]) # 分割張量， 要相互進行操作的張量維度進行標記。這裡相當於分了三組（0|1,1|2,2）,
tensor = tf.constant([[2, 5, 3, -5],
[0, 3, -2., 5],
[4, 3, 5., 3],
[6, 1, 4, 0],
[4, 2, 5, -2]])
二、三行為一組，第
四、五行為一組，進行求和運算
結果為：
[[ 2. 5. 3. -5.]
[ 4. 6. 3. 8.]
[10. 3. 9. -2.]]
其他張量分割運算都有同樣的分割和運算形式
.segment_sum:對具有相同標記的張量維度進行求和.segment_prod:對具有相同標記的張量維度進行相乘.segment_min:取具有相同標記的張量維度的最小元素.segment_max:對具有相同標記的張量維度的最大元素.segment_mean:對具有相同標記的張量維度的元素之和的均值
tensorflow學習筆記（一）
tensorflow是谷歌基於distbelief進行研發的第二代人工智慧學習系統，其命名 於本身的執行原理。tensor 張量 意味著n維陣列，flow 流 意味著基於資料流圖的計算，tensorflow為張量從流圖的一端流動到另一端計算過程。tensorflow是將複雜的資料結構傳輸至人工智慧神...
TensorFlow 實戰學習筆記（一）
1.windows 上安裝 tensorflow 流程 對於有英文基礎的朋友，建議直接閱讀官網安裝教程。本答案翻譯自 tensorflow 官網。系統環境要求 windows 上安裝 tensorflow 步驟 安裝 python 開發環境 檢查系統是否已安裝 python 開發環境。如果已安裝，則...
tensorflow學習筆記
tensorflow安裝可以直接通過命令列或者原始碼安裝，在此介紹tensorflow8命令列安裝如下 安裝tensorflow sudo pip install upgrade 另外，解除安裝tensorflow命令為 sudo pip uninstall tensorflow tensorflo...