1.os.environ["cuda_visible_devices"]
os.environ[「cuda_device_order」] = 「pci_bus_id」 # 按照pci_bus_id順序從0開始排列gpu裝置
os.environ[「cuda_visible_devices」] = 「0」 #設定當前使用的gpu裝置僅為0號裝置 裝置名稱為'/gpu:0'
os.environ[「cuda_visible_devices」] = 「1」 #設定當前使用的gpu裝置僅為1號裝置 裝置名稱為'/gpu:0'
os.environ[「cuda_visible_devices」] = 「0,1」 #設定當前使用的gpu裝置為0,1號兩個裝置,名稱依次為'/gpu:0'、'/gpu:1'
os.environ[「cuda_visible_devices」] = 「1,0」 #設定當前使用的gpu裝置為1,0號兩個裝置,名稱依次為'/gpu:0'、'/gpu:1'。表示優先使用1號裝置,然後使用0號裝置
2.tf.constant()
函式引數tf.constant(value,dtype=none, shape=none, name='const', verify_shape=false) 第乙個值value是必須的，可以是乙個數值，也可以是乙個列表
3.sess.run()
輸出變數的值
4.tf.placeholder()
tf.placeholder( dtype, shape=none, name=none )
dtype：資料型別。常用的是tf.float32,tf.float64等數值型別
shape：資料形狀。預設是none，就是一維值，也可以是多維（比如[2,3], [none, 3]表示列是3，行不定）
name：名稱
5.tf.add()
tf.add(x,y,name=
none) 引數相加
6.tf.multiply()
tf.multiply(x,y,name=none)
乘法，相同位置的元素相乘
x,y要有相同的資料型別
`half`, `float32`, `float64`, `uint8`, `int8`, `uint16`, `int16`, `int32`, `int64`, `complex64`, `complex128`.
7.sess.run(add,feed_dict=)
run(fetches,feed_dict=none,options=none, run_metadata=none)
fetches：單個圖元素，圖元素列表或字典，字典元素其值是圖元素或圖元素列表。
feed_dict：將圖元素對映到值的字典。
如果fetches是單個圖元素則返回單個值，如果fetches是列表則返回值列表，如果fetches是字典則返回具有相同鍵的字典
8.tf.matmul()
tf.matmul（）將矩陣a乘以矩
陣b，生成a* b。
tf.matmul(a, b, transpose_a=false, transpose_b=false, adjoint_a=false, adjoint_b=false, a_is_sparse=false, b_is_sparse=false, name=none)
引數:
a: 乙個型別為 float16, float32, float64, int32, complex64, complex128 且張量秩 > 1 的張量。
b: 乙個型別跟張量a相同的張量。
transpose_a: 如果為真, a則在進行乘法計算前進行轉置。
transpose_b: 如果為真, b則在進行乘法計算前進行轉置。
adjoint_a: 如果為真, a則在進行乘法計算前進行共軛和轉置。
adjoint_b: 如果為真, b則在進行乘法計算前進行共軛和轉置。
a_is_sparse: 如果為真, a會被處理為稀疏矩陣。
b_is_sparse: 如果為真, b會被處理為稀疏矩陣。
name: 操作的名字（可選引數）
返回值： 乙個跟張量a和張量b型別一樣的張量且最內部矩陣是a和b中的相應矩陣的乘積。
注意：
（1）輸入必須是矩陣（或者是張量秩 >２的張量，表示成批的矩陣），並且其在轉置之後有相匹配的矩陣尺寸。
（2）兩個矩陣必須都是同樣的型別，支援的型別如下：float16, float32, float64, int32, complex64, complex128。
tensorflow學習筆記1
在跑minist demo時，遇到了這幾句 batchsize 6 label tf.expand dims tf.constant 0,2,3,6,7,9 1 index tf.expand dims tf.range 0,batchsize 1 concated tf.concat 1,inde...
TensorFlow學習筆記1
1 tensorflow 谷歌第二代人工智慧學習系統 2 tensorflow顧名思義tensor flow。tensor的意思是 張量，flow的意思是 流動，合起來就是 張量的流動 3 系統架構及程式設計模型。其中系統架構如圖1所示，程式設計模型如圖2所示。圖1 tensorflow系統架構圖 ...
TensorFlow學習筆記1
編寫tensorflow的兩個步驟 構建計算圖graph 使用session去執行graph中的operation 這裡寫描述 三個基本概念 rank rank一般是指資料的維度，其與線性代數中的rank不是乙個概念。其常 用rank舉例如下。shape 指tensor每個維度資料的個數，可以用py...