前言

代码自己运行，可以观察到规律，这里不做截图。

1 编程模型

2 Session操作

import tensorflow as tf
hello=tf.constant("hello tf!")
sess=tf.Session()
print(sess.run(hello))
sess.close()
a=tf.constant(3)
b=tf.constant(4)
with tf.Session() as sess:print("相加：",sess.run(a+b))
#注入示例
c=tf.placeholder(tf.int16)
d=tf.placeholder(tf.int16)
add=tf.add(c,d)
mul=tf.multiply(c,d)
with tf.Session() as sess2:print("相乘：",sess2.run(mul,feed_dict={c:3,d:4}))print(sess2.run([add,mul],feed_dict={c:3,d:4}))

3 Variable

import tensorflow as tf
tf.reset_default_graph()
var1=tf.Variable(1.0,name='firstvar')
print("var1",var1.name)
var1=tf.Variable(2.0,name='firstvar')
print("var1",var1.name)
var2=tf.Variable(3.0)
print("var2",var2.name)
var2=tf.Variable(4.0)
print("var2",var2.name)
with tf.Session() as sess:sess.run(tf.global_variables_initializer())print('var1=',var1.eval())print('var2=',var2.eval())
get_var1=tf.get_variable("firstvar",[1],initializer=tf.constant_initializer(0.1))
print("get_var1",get_var1.name)
get_var1=tf.get_variable("firstvar1",[1],initializer=tf.constant_initializer(0.2))
print("get_var1",get_var1.name)
with tf.Session() as sess:sess.run(tf.global_variables_initializer())print("get_var1:",get_var1.eval())

3.1 variable_scope和get_variable

3.2 作用域和操作（name_scope）

4 图的基本操作

import tensorflow as tfc=tf.constant(0.0)
g=tf.Graph()
with g.as_default():c1=tf.constant(0.0)print(c1.graph)print(g)print(c.graph)g2=tf.get_default_graph()
print(g2)tf.reset_default_graph()
g3=tf.get_default_graph()
print(g3)
#获取张量
print(c1.name)
t=g.get_tensor_by_name(name='Const:0')
print(t)
#获取节点操作op
a=tf.constant([[1.0,2.0]])
print('a.shape',a.shape)
b=tf.constant([[1.0],[2.0]])
print('b.shape',b.shape)
tensor1=tf.matmul(a,b,name='exampleop')
print(tensor1.name,tensor1)
test=g3.get_tensor_by_name('exampleop:0')
print(test)print('tensor1.op.name',tensor1.op.name)
testop=g3.get_operation_by_name("exampleop")
print('testop',testop)tt2=g.get_operations()
print(tt2)tt3=g.as_graph_element(c1)
print(tt3)

5 注意tensorboard的使用

点这里！

Tensorflow【实战Google深度学习框架】编程基础小漂亮总结相关推荐

免费教材丨第55期：Python机器学习实践指南、Tensorflow 实战Google深度学习框架
小编说时间过的好快啊,小伙伴们是不是都快进入寒假啦?但是学习可不要落下哦! 本期教材本期为大家发放的教材为:<Python机器学习实践指南>.<Tensorflow 实战G ...
《Tensorflow 实战google深度学习框架》第二版源代码
<<Tensorflow 实战google深度学习框架–第二版>> 完整资料github地址: https://github.com/caicloud/tensorflow-t ...
06.图像识别与卷积神经网络------《Tensorflow实战Google深度学习框架》笔记
一.图像识别问题简介及经典数据集图像识别问题希望借助计算机程序来处理.分析和理解图片中的内容,使得计算机可以从图片中自动识别各种不同模式的目标和对象.图像识别问题作为人工智能的一个重要领域,在最近几 ...
学习《TensorFlow实战Google深度学习框架 (第2版) 》中文PDF和代码
TensorFlow是谷歌2015年开源的主流深度学习框架,目前已得到广泛应用.<TensorFlow:实战Google深度学习框架(第2版)>为TensorFlow入门参考书,帮助快速. ...
说说TensorFlow实战Google深度学习框架
说说TensorFlow实战Google深度学习框架事情是这样的,博主买了这本书,但是碍于想在电脑上边看边码,想找找PDF版本,然后各种百度,Google,百度网盘,最后找到的都是很多200M的,百 ...
（转）Tensorflow 实战Google深度学习框架读书笔记
本文大致脉络: 读书笔记的自我说明对读书笔记的摘要具体章节的摘要: 第一章深度学习简介第二章 TensorFlow环境搭建第三章 TensorFlow入门第四章深层神经网络第五章 MN ...
TensorFlow实战Google深度学习框架
TensorFlow是谷歌2015年开源的主流深度学习框架.科技届的聚光灯已经从"互联网+"转到了"AI+": 掌握深度学习需要较强的理论功底,用好Tensor ...
TensorFlow实战Google深度学习框架5-7章学习笔记
目录第5章 MNIST数字识别问题第6章图像识别与卷积神经网络第7章图像数据处理第5章 MNIST数字识别问题 MNIST是一个非常有名的手写体数字识别数据集,在很多资料中,这个数据集都会 ...
tensorflow实战google深度学习框架在线阅读
https://max.book118.com/html/2019/0317/7112141026002014.shtm
Tensorflow 实战 Google 深度学习框架（第2版）---- 10.2.2节 P274 代码
#-*-coding:utf-8-*- import keras from tflearn.layers.core import fully_connected from keras.datasets ...

Tensorflow【实战Google深度学习框架】编程基础小漂亮总结

文章目录

前言

1 编程模型

2 Session操作

3 Variable

3.1 variable_scope和get_variable

3.2 作用域和操作（name_scope）

4 图的基本操作

5 注意tensorboard的使用

Tensorflow【实战Google深度学习框架】编程基础小漂亮总结相关推荐

最新文章

热门文章