# 人工智能python的tensorflow基础

```import tensorflow as tf
matrix1=tf.constant([[3,3]])
matrix2=tf.constant([[2],
[2]])
product=tf.matmul(matrix1,matrix2)
with tf.Session() as sess:#打开Session以sess命名，不用管关不关Session,运行完with里的语句自动关Session
result2=sess.run(product)
print("行乘以列:",result2)```

```#定义变量
import tensorflow as tf
state=tf.Variable(0,name='counter')#Variable(初始值,name='变量名子')
print(state.name)#打印出它的名字
one=tf.constant(1)
#其实真正的值实在变量state中。
update=tf.assign(state,new_value)#将new_value加载到state
init=tf.global_variables_initializer()#激活所有变量
with tf.Session() as sess:
sess.run(init)
for _ in range(3):#三次循环
sess.run(update)
print(sess.run(state))#必须要用sess这个指针去run一下```

```import tensorflow as tf
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:[8.0]}))##feed_dict与placeholder相对应```

# 定义激励函数 并 定义一个添加神经层函数

```import tensorflow as tf
import numpy as np
Weights=tf.Variable(tf.random_normal([in_size,out_size]))#定义一个in_siz行，out_size列的矩阵。
#注：矩阵相乘输出为：前面项的行数，后面项的列数。
biases=tf.Variable(tf.zeros([1,out_size])+0.1)#定义一个偏置
Wx_plus_b=tf.matmul(inputs,Weights)+biases
if activation_function is None:
outputs=Wx_plus_b
else:
outputs=activation_function(Wx_plus_b)
return outputs
x_data=np.linspace(-1,1,300)[:,np.newaxis]##这一行中的[:,np.newxis]是将数据在行上增加n多行，列数为1
noise=np.random.normal(0,0.05,x_data.shape)
y_data=np.square(x_data)-0.5+noise
xs=tf.placeholder(tf.float32,[None,1])#数据为float32形式
ys=tf.placeholder(tf.float32,[None,1])
loss=tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),reduction_indices=[1]))
init=tf.initialize_all_variables()
sess=tf.Session()
sess.run(init)
for i in range(1000):
sess.run(train_step,feed_dict={xs:x_data,ys:y_data})
if i%100==0:
print("第%d次："%(i),sess.run(loss,feed_dict={xs:x_data,ys:y_data}))```

numpy.linspace使用详解：numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

Returns: samples : ndarray

722 篇文章81 人订阅

0 条评论

## 相关文章

### 1099 字串变换 2002年NOIP全国联赛提高组

1099 字串变换 2002年NOIP全国联赛提高组  时间限制: 1 s  空间限制: 128000 KB  题目等级 : 黄金 Gold 题解 题目描述 D...

2653

1092

66310

4146

2390

### cuda中的二分查找

使用背景 通常，在做高性能计算时，我们需要随机的连接某些点。这些点都具有自己的度量值，显然，度量值越大的值随机到的概率就会越大。因此，采用加权值得方法： v...

1965

### 【学习】K近邻算法基础：KD树的操作

Kd-树概念 Kd-树其实是K-dimension tree的缩写，是对数据点在k维空间中划分的一种数据结构。其实，Kd-树是一种平衡二叉树。 举一示例： 假设...

3255

3014

5095

3454