前言
這兩天剛剛寫完畢業(yè)論文,畢業(yè)設(shè)計(jì)是做的深度學(xué)習(xí)相關(guān)的內(nèi)容,自己用的tensorflow來做的,當(dāng)時(shí)因?yàn)楫厴I(yè)設(shè)計(jì)時(shí)間比較緊肆糕,自己就從簡單從網(wǎng)上看了點(diǎn)教程,然后從github上拉取了一份代碼在孝,然后修修改改算是應(yīng)付了過去诚啃。但是自己意識(shí)到這樣是不行的,因?yàn)樽x研的時(shí)候可能還要去做機(jī)器學(xué)習(xí)和深度學(xué)習(xí)相關(guān)的內(nèi)容私沮,于是自己決定重新系統(tǒng)的學(xué)習(xí)一遍tensorflow始赎。并且寫下這份筆記,算是記錄自己學(xué)習(xí)的歷程吧仔燕,其中還有不正確的地方希望各位看官給予指正造垛。
定義常量
這個(gè)是tensorflow中最簡單的操作,和其他所有的程序類似涨享,直接上代碼:
a = tf.constant(2)
b = tf.constant(3)
# 運(yùn)算
with tf.Session() as sess:
print(sess.run(a+b))
運(yùn)行上述代碼后輸出的結(jié)果是5
通過placeholder來定義操作
placeholder的作用就是先占著一個(gè)坑筋搏,具體的輸入等到運(yùn)行的時(shí)候在放進(jìn)去仆百,用法看代碼:
# 定義兩個(gè)placeholder
a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)
# 定義兩個(gè)操作
add = tf.add(a,b)
mul = tf.multiply(a,b)
# 運(yùn)算厕隧,并且在運(yùn)算時(shí)候賦值
with tf.Session() as sess:
print(sess.run(add,feed_dict={a:2,b:3}))
最后輸出的結(jié)果也是5。具體的輸入是在運(yùn)行時(shí)通過feed_dict來傳入的。
定義矩陣
直接上代碼:
# 定于兩個(gè)矩陣
m1 = tf.constant([[3.,3.]])
m2 = tf.constant([[2.],[2.]])
# 定義矩陣相乘的操作
product = tf.matmul(m1,m2)
# 運(yùn)算
with tf.Session() as sess:
print(sess.run(product))
最后輸出的結(jié)果是12吁讨。
完整代碼
from __future__ import print_function
import tensorflow as tf
# 定義兩個(gè)常量
a = tf.constant(2)
b = tf.constant(3)
# 運(yùn)算
with tf.Session() as sess:
print(sess.run(a+b))
# 定義兩個(gè)placeholder
a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)
# 定義兩個(gè)操作
add = tf.add(a,b)
mul = tf.multiply(a,b)
# 運(yùn)算髓迎,并且在運(yùn)算時(shí)候賦值
with tf.Session() as sess:
print(sess.run(add,feed_dict={a:2,b:3}))
# 定于兩個(gè)矩陣
m1 = tf.constant([[3.,3.]])
m2 = tf.constant([[2.],[2.]])
# 定義矩陣相乘的操作
product = tf.matmul(m1,m2)
# 運(yùn)算
with tf.Session() as sess:
print(sess.run(product))
后記
繼續(xù)加油加油,爭取每天一篇建丧!我愛學(xué)習(xí)排龄,學(xué)習(xí)使我快樂!