学习进度笔记-TensorFlow基本操作

原理简介

TensorFlow 是一个编程系统，使用图来表示计算任务，图中的节点被称之为 op (operation 的缩写)。一个 op 获得 0 个或多个 Tensor，执行计算产生 0 个或多个 Tensor。每个 Tensor 是一个类型化的多维数组。例如，你可以将一小组图像集表示为一个四维浮点数数组，这四个维度分别是 [batch, height, width, channels]。

一个 TensorFlow 图描述了计算的过程，为了进行计算，图必须在会话里被启动。会话将图的 op 分发到诸如 CPU 或 GPU 之类的设备上，同时提供执行 op 的方法，这些方法执行后将产生的 tensor 返回。在 Python 语言中返回的 tensor 是 numpy ndarray 对象；在 C 和 C++ 语言中返回的 tensor 是 tensorflow::Tensor 实例。

TensorFlow 程序通常被组织成一个构建阶段和一个执行阶段。在构建阶段，op 的执行步骤被描述成一个图；在执行阶段，使用会话执行图中的 op。

使用 TensorFlow，你必须明白 TensorFlow的组件作用：

• 使用图 (graph) 来表示计算任务
• 在被称之为会话 (Session) 的上下文 (context) 中执行图
• 使用 tensor 表示数据
• 通过变量 (Variable) 维护状态
• 使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据

基本操作

1.打开Pycharm，选择Create New Project，创建名为jqxx的项目。

 

  2.重新配置解释器 

 

完整代码

import tensorflow as tf
import os
os.environ["CUDA_VISIBLE_DEVICES"]="0"

a=tf.constant(2)
b=tf.constant(3)

with tf.Session() as sess:
    print("a：%i" % sess.run(a),"b：%i" % sess.run(b))
    print("Addition with constants: %i" % sess.run(a+b))
    print("Multiplication with constant:%i" % sess.run(a*b))


    a=tf.placeholder(tf.int16)
    b=tf.placeholder(tf.int16)

    add=tf.add(a,b)
    mul=tf.multiply(a,b)

    print("Addition with variables: %i"  %  sess.run(add, feed_dict={a: 2, b: 3}))
    print("Multiplication with variables: %i"  %  sess.run(mul, feed_dict={a: 2, b: 3}))

    matrix1=tf.constant([[3.,3.]])
    matrix2=tf.constant([[2.],[2.]])

    product=tf.matmul(matrix1,matrix2)

    result=sess.run(product)
    print(result)

3.具体步骤

在Python环境，使用import导入TensorFlow模块，别名为tf。

1. import tensorflow as tf  
2. import os  
3. os.environ["CUDA_VISIBLE_DEVICES"]="0"  

4.构造计算图，创建两个常量节点a，b，值分别为2，3，代码如下：

1. a=tf.constant(2)  
2. b=tf.constant(3)  

5.创建一个Session会话对象，调用run方法，运行计算图。

1. with tf.Session() as sess:  
2. print("a:%i" % sess.run(a),"b:%i" % sess.run(b))  
3. print("Addition with constants: %i" % sess.run(a+b))  
4. print("Multiplication with constant:%i" % sess.run(a*b))  

6.使用变量Variable构造计算图a，b

1. a=tf.placeholder(tf.int16)  
2. b=tf.placeholder(tf.int16)  

7.使用tf中的add，multiply函数对a，b进行求和与求积操作。

1. add=tf.add(a,b)  
2. mul=tf.multiply(a,b)  

8.创建一个Session会话对象，调用run方法，运行计算图。

1. with tf.Session() as sess:  
2. print("Addition with variables: %i" % sess.run(add,feed_dict={a:2,b:3}))  
3. print("Multiplication with variables: %i" % sess.run(mul,feed_dict={a:2,b:3}))  

9.构造计算图，创建两个矩阵常量节点matrix1，matrix2，值分别为[[3.,3.]]，[[2.],[2.]]，代码如下：

1. matrix1=tf.constant([[3.,3.]])  
2. matrix2=tf.constant([[2.],[2.]])  

10.构造矩阵乘法运算，

1. product=tf.matmul(matrix1,matrix2)  

11.创建一个Session会话对象，调用run方法，运行计算图。

with tf.Session() as sess:

1. result=sess.run(product)  
2. print(result)  

12.运行结果：