tensorflow零起点快速入门(3)
创造并运行数据
创造了-3到3的32条数据，然后通过sess.run获取并显示输出数据。
x=tf.linspace(-3.0,3.0,32)
print(x)
sess=tf.Session()
result=sess.run(x)
print(result)运行数据的另一种方法是使用eval()，括号里面添加session部分，否则失效报错：
（xsum=tf.summary.FileWriter(".",sess.graph)只是一条额外的语句用于保存图）
xsum=tf.summary.FileWriter(".",sess.graph)
xss=x.eval(session=sess)
print(xss)
sess.close()运行数据的另一种方式
使用互动会话模式可以在eval中，不用添加session参数而运行。
另外可阅读：https://blog.csdn.net/jiaoyangwm/article/details/79248535
sess=tf.InteractiveSession()
xss=x.eval()
print(xss)使用tensorflow定义函数表达式
延续之前的代码，这里定义了函数：
参阅网址：https://baijiahao.baidu.com/s?id=1621087027738177317&wfr=spider&for=pc
segma=1.0
mean=0.0
z=tf.exp(tf.negative(tf.pow(x-mean,2)/(2*tf.pow(segma,2.0))))*\
(1/segma*tf.sqrt(2*3.14159))
print(z)
print(z.eval())通过z.eval()即可直接输出显示
通过断言获取默认图
assert z.graph is tf.get_default_graph()
print(z.graph)tensorflow中的数据获取形状，和转化列表
zdat=z.get_shape()
print(zdat)
zlst=z.get_shape().as_list()
print(zlst)zdat=tf.shape(z).eval()
print(zdat)合并计算张量数据
zdat=tf.stack([tf.shape(z),tf.shape(z),[3],[4]]).eval()
print(zdat)矩阵乘法举例求图
import matplotlib.pyplot as plt
z_2d=tf.matmul(tf.reshape(z,[32,1]),tf.reshape(z,[1,32]))
print(z_2d)
z_2dx=z_2d.eval()
print(z_2dx)
plt.imshow(z_2dx)
plt.show()再求一张图
x=tf.reshape(tf.sin(tf.linspace(-3.0,3.0,32)),[32,1])
y=tf.reshape(tf.ones_like(x),[1,32])
z=tf.multiply(tf.matmul(x,y),z_2d)
z_gabor=z.eval()
plt.imshow(z_gabor)
plt.show()观察数据，操作
print(y.eval())ops=tf.get_default_graph().get_operations()
print([op.name for op in ops])最终
文档
举报
腾讯云开发者
