关于“tensorflow入门基础学习有哪些要点要了解的”的知识有一些人不是很理解，对此小编给大家总结了相关内容，具有一定的参考借鉴价值，而且易于学习与理解，希望能对大家有所帮助，有这个方面学习需要的朋友就继续往下看吧。

正文

TensorFlow用张量这种数据结构来表示所有的数据。

用一阶张量来表示向量，如：v = [1.2, 2.3, 3.5] ，如二阶张量表示矩阵，如：m = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]，可以看成是方括号嵌套的层数。

1、编辑器

编写tensorflow代码，实际上就是编写py文件，最好找一个好用的编辑器，如果你用vim或gedit比较顺手，那也可以的啦。我们既然已经安装了anaconda，那么它里面自带一个还算不错的编辑器，名叫spyder，用起来和matlab差不多，还可以在右上角查看变量的值。因此我一直使用这个编辑器。它的启动方式也很简单，直接在终端输入spyder就行了。

2、常量

我们一般引入tensorflow都用语句

import tensorflow as tf

因此，以后文章中我就直接用tf来表示tensorflow了。

在tf中，常量的定义用语句：

a=tf.constant(10)

这就定义了一个值为10的常量a

3、变量

变量用Variable来定义, 并且必须初始化，如：

x=tf.Variable(tf.ones([3,3]))
y=tf.Variable(tf.zeros([3,3]))

分别定义了一个3x3的全1矩阵x，和一个3x3的全0矩阵y，0和1的值就是初始化。

变量定义完后，还必须显式的执行一下初始化操作，即需要在后面加上一句：

init=tf.global_variables_initializer()

这句可不要忘了，否则会出错。

例：自定义一个拉普拉斯的W变量：

import tensorflow as tf
import numpy as np
x=np.array([[1,1,1],[1,-8,1],[1,1,1]])
w=tf.Variable(initial_value=x)
sess=tf.Session()
sess.run(tf.global_variables_initializer())
print(sess.run(w))

4、占位符

变量在定义时要初始化，但是如果有些变量刚开始我们并不知道它们的值，无法初始化，那怎么办呢？

那就用占位符来占个位置，如：

x = tf.placeholder(tf.float32, [None, 784])

指定这个变量的类型和shape，以后再用feed的方式来输入值。

5、图(graph)

如果把下面的python语句改在tf语句，该怎么写呢：

x=3
y=2
z=x+y
print(z)

定义两个变量，并将两个数相加，输出结果。如果在tf中直接像上面这样写，那就错了。x,y,z分别是三个tensor对象，对象间的运算称之为操作(op), tf不会去一条条地执行各个操作，而是把所有的操作都放入到一个图(graph）中，图中的每一个结点就是一个操作。然后行将整个graph 的计算过程交给一个 TensorFlow 的Session, 此 Session 可以运行整个计算过程，比起操作(operations)一条一条的执行效率高的多。

执行代码如下：

import tensorflow as tf
x = tf.Variable(3)
y = tf.Variable(5)
z=x+y
init =tf.global_variables_initializer()

with tf.Session() as sess: 
sess.run(init) 
print(sess.run(z))

其中sess.run()即是执行，注意要先执行变量初始化操作，再执行运算操作。

Session需要先创建，使用完后还需要释放。因此我们使用with...as..语句，让系统自动释放。

例子1：hello world

import tensorflow as tf
word=tf.constant('hello,world!')
with tf.Session() as sess:
    print(sess.run(word))

例子2：加法和乘法

import tensorflow as tf 
a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)
add = tf.add(a, b)
mul = tf.mul(a, b)
with tf.Session() as sess:
    print('a+b=',sess.run(add, feed_dict={a: 2, b: 3}))
    print('a*b=',sess.run(mul, feed_dict={a: 2, b: 3}))

此处使用feed_dict以字典的方式对多个变量输入值。

例子3：矩阵乘法

import tensorflow as tf 
a=tf.Variable(tf.ones([3,2]))
b=tf.Variable(tf.ones([2,3]))
product=tf.matmul(5*a,4*b)
init=tf.initialize_all_variables()
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(product))

 其中

product=tf.matmul(5*a,4*b)

也可以改成 

product=tf.matmul(tf.mul(5.0,a),tf.mul(4.0,b))

定义变量时，没有指定数据类型，则默认为float32，因此是5.0而不是5

关于“tensorflow入门基础学习有哪些要点要了解的”就介绍到这了，如果大家觉得不错可以参考了解看看，如果想要了解更多，欢迎关注群英网络，小编每天都会为大家更新不同的知识。

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Python中提供哪些循环类型，用法是什么

  在一般情况下，语句是顺序执行的：在一个函数的第一条语句，首先执行，然后是第二条，第三条...等等。可能有一种情况，当你需要执行代码块几次或多数。

• Python如何调用kubernetesAPI，操作是什么

  这篇文章主要介绍了python调用kubernetesAPI简单使用方法，K8s也提供API接口，提供这个接口的是管理节点的apiserver组件，下文更多相关内容，需要的小伙伴可以参考一下

• pycharm中jupyter怎样安装使用？

  pycharm中jupyter怎样安装使用？Jupyter也就是指Jupyter Notebook，是一个交互式笔记本，支持运行40多种编程语言，能够应用于数据清理和转换，数值模拟，统计建模，机器学习等。这篇文章主要分享在pycharm中，jupyter的使用。

• Python while循环是什么类型循环，能做什么

  Python 有 while 语句和 for 语句作为循环处理。虽然 for 语句具有一定数量的进程，但 while 语句是直到满足条件类型的循环进程。本文将详解while无限迭代循环方法，需要的可以了解一下

• Python常见字典方法是什么，如何应用

  这篇文章主要介绍了python关于字典及遍历的常用方法，字典的键可以是字符串、整数、元组或字典。字典的值也可以是字符串、整数，文章围绕主题展开更多详细的内容，需要的小伙伴可以参考一下