前言

這兩天剛剛寫完畢業(yè)論文，畢業(yè)設(shè)計是做的深度學(xué)習(xí)相關(guān)的內(nèi)容，自己用的tensorflow來做的，當時因為畢業(yè)設(shè)計時間比較緊，自己就從簡單從網(wǎng)上看了點教程，然后從github上拉取了一份代碼，然后修修改改算是應(yīng)付了過去。但是自己意識到這樣是不行的，因為讀研的時候可能還要去做機器學(xué)習(xí)和深度學(xué)習(xí)相關(guān)的內(nèi)容，于是自己決定重新系統(tǒng)的學(xué)習(xí)一遍tensorflow。并且寫下這份筆記，算是記錄自己學(xué)習(xí)的歷程吧，其中還有不正確的地方希望各位看官給予指正。

定義常量

這個是tensorflow中最簡單的操作，和其他所有的程序類似，直接上代碼：

a = tf.constant(2)
b = tf.constant(3)
# 運算
with tf.Session() as sess:
    print(sess.run(a+b))

運行上述代碼后輸出的結(jié)果是5

通過placeholder來定義操作

placeholder的作用就是先占著一個坑，具體的輸入等到運行的時候在放進去，用法看代碼：

# 定義兩個placeholder
a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)
# 定義兩個操作
add = tf.add(a,b)
mul = tf.multiply(a,b)
# 運算，并且在運算時候賦值
with tf.Session() as sess:
    print(sess.run(add,feed_dict={a:2,b:3}))

最后輸出的結(jié)果也是5。具體的輸入是在運行時通過feed_dict來傳入的。

定義矩陣

直接上代碼：

# 定于兩個矩陣
m1 = tf.constant([[3.,3.]])
m2 = tf.constant([[2.],[2.]])
# 定義矩陣相乘的操作
product = tf.matmul(m1,m2)
# 運算
with tf.Session() as sess:
    print(sess.run(product))

最后輸出的結(jié)果是12。

完整代碼

from __future__ import print_function
import tensorflow as tf
# 定義兩個常量
a = tf.constant(2)
b = tf.constant(3)
# 運算
with tf.Session() as sess:
    print(sess.run(a+b))
# 定義兩個placeholder
a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)
# 定義兩個操作
add = tf.add(a,b)
mul = tf.multiply(a,b)
# 運算，并且在運算時候賦值
with tf.Session() as sess:
    print(sess.run(add,feed_dict={a:2,b:3}))
# 定于兩個矩陣
m1 = tf.constant([[3.,3.]])
m2 = tf.constant([[2.],[2.]])
# 定義矩陣相乘的操作
product = tf.matmul(m1,m2)
# 運算
with tf.Session() as sess:
    print(sess.run(product))

后記

繼續(xù)加油加油，爭取每天一篇！我愛學(xué)習(xí)，學(xué)習(xí)使我快樂！