1. 安装Tensorflow

使用pip工具安装TensorFlow

pip install tensorflow

引入TensorFlow

import tensorflow as tf

2. TensorFlow基本操作

# 创建变量
w = tf.Variable([[0.5, 1.0]])
x = tf.Variable([[2.0], [1.0]])y = tf.matmul(w, x)# session初始化
init_op = tf.global_variables_initializer()
with tf.Session() as sess:sess.run(init_op)print(y.eval())

3. TensorFlow常用函数

3.1 常用矩阵创建方式

# 创建全零矩阵
a = tf.zeros([3, 4], tf.int32)
# 创建同维度全零矩阵
b = tf.zeros_like([[1, 2, 3, 4], [5, 6, 7, 8]])
# 创建全一矩阵
c = tf.ones([2, 3], tf.int32)
# 创建同维度全零矩阵
d = tf.ones_like([[1, 2, 3], [4, 5, 6]])
# 根据指定的值和维度创建矩阵
e = tf.constant(-1.0, shape=[2, 3])
# 根据区间和步长创建矩阵
f = tf.linspace(10.0, 12.0, 3, name='linspace')
g = tf.range(3, 18, 3)# session初始化
init_op = tf.global_variables_initializer()
with tf.Session() as sess:sess.run(init_op)print(a.eval())print('-----------------------')print(b.eval())print('-----------------------')print(c.eval())print('-----------------------')print(d.eval())print('-----------------------')print(e.eval())print('-----------------------')print(f.eval())print('-----------------------')print(g.eval())

3.2 高斯初始化及洗牌操作

# 随机高斯初始化
# mean-->均值
# stddev-->标准差
norm = tf.random_normal([2, 3], mean=-1, stddev=4)
cs = tf.constant([[1, 2], [3, 4], [5, 6]])
# 洗牌操作
shuff = tf.random_shuffle(cs)
sess = tf.Session()
print(sess.run(norm))
print('-----------------------')
print(sess.run(shuff))

3.3 赋值操作

state = tf.Variable(0)
new_value = tf.add(state, tf.constant(1))
# 赋值操作
update = tf.assign(state, new_value)
with tf.Session() as sess:sess.run(tf.global_variables_initializer())print(sess.run(state))for _ in range(3):sess.run(update)print(sess.run(state))

3.4 Numpy和TensorFlow相互转换

# Numpy转TensorFlow
a = np.zeros((3, 3))
ta = tf.convert_to_tensor(a)
with tf.Session() as sess:print(sess.run(ta))

3.5 placeholder操作

# 使用placeholder定义变量的shape或者类型，但是不传具体的值
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
output = tf.multiply(input1, input2)
with tf.Session() as sess:print(sess.run([output], feed_dict={input1: [7.], input2: [2.]}))

tensorFlow基础操作及常用函数相关推荐

【Excel基础训练】函数入门：基础操作与常用函数
函数基础操作: 1.公式-插入函数-搜索想要的函数 2.引用多个区域 3.相对引用,绝对引用 4.混合引用:固定列/固定行常用运算函数: 1.排名:rank 2.极值:max和min 3.计数:co ...
深度学习（11）TensorFlow基础操作七: 向前传播（张量）实战
深度学习(11)TensorFlow基础操作七: 向前传播(张量)实战 1. 导包 2. 加载数据集 3. 转换数据类型 4. 查看x.shape, y.shape, x.dtype, y.dtype ...
深度学习（6）TensorFlow基础操作二: 创建Tensor
深度学习(6)TensorFlow基础操作二: 创建Tensor 一. 创建方式 1. From Numpy,List 2. zeros,ones (1) tf.zeros() (2) tf.zero ...
深度学习（9）TensorFlow基础操作五: Broadcasting
深度学习(9)TensorFlow基础操作五: Broadcasting 1. 操作思想 2. 具体例子 3. 理解 (1) How to understand? (2) Why Broadcasti ...
Linux 基础操作、常用shell命令、vi常用命令、man帮助手册
Linux 基础操作.常用shell命令.vi常用命令.man帮助手册一.简述记录简单的Linux 基础操作.常用shell命令.vi编辑器常用命令.man帮助手册的使用. 二.Linux 基础操 ...
深度学习（10）TensorFlow基础操作六: 数学运算
深度学习(10)TensorFlow基础操作六: 数学运算 1. Operation type 2. + - * / % // 3. tf.math.log & tf.exp 4. log2, ...
深度学习（8）TensorFlow基础操作四: 维度变换
深度学习(8)TensorFlow基础操作四: 维度变换 1. View 2. 示例 3. Reshape操作可能会导致潜在的bug 4. tf.transpose 5. Squeeze VS Exp ...
深度学习（7）TensorFlow基础操作三: 索引与切片
深度学习(7)TensorFlow基础操作三: 索引与切片一. 基础索引 1. Basic indexing 2. Numpy-style indexing 3. start : end 4. 切片 ...
深度学习（5）TensorFlow基础操作一: TensorFlow数据类型
深度学习(5)TensorFlow基础操作一: TensorFlow数据类型 Data Container(数据载体) What's Tensor TF is a computing lib(科学计算 ...

tensorFlow基础操作及常用函数

tensorFlow基础操作及常用函数

1. 安装Tensorflow

2. TensorFlow基本操作

3. TensorFlow常用函数

3.1 常用矩阵创建方式

3.2 高斯初始化及洗牌操作

3.3 赋值操作

3.4 Numpy和TensorFlow相互转换

3.5 placeholder操作

tensorFlow基础操作及常用函数相关推荐

最新文章

热门文章