Tensorflow基础

红太狼 2022-01-27 06:59 262阅读 0赞

## 一、基础概念 ##

TensorFlow是一种采用数据流图（data flow graphs），用于数值计算的开源软件库。其中 Tensor 代表传递的数据为张量（多维数组），Flow 代表使用计算图进行运算。数据流图用「结点」（nodes）和「边」（edges）组成的有向图来描述数学运算。「结点」一般用来表示施加的数学操作，但也可以表示数据输入的起点和输出的终点，或者是读取/写入持久变量（persistent variable）的终点。边表示结点之间的输入/输出关系。这些数据边可以传送维度可动态调整的多维数据数组，即张量（tensor）。

## 二、特点 ##

在 Tensorflow 中，所有不同的变量和运算都是储存在计算图。所以在我们构建完模型所需要的图之后，还需要打开一个会（Session）来运行整个计算图。在会话中，我们可以将所有计算分配到可用的 CPU 和 GPU 资源中。像下面的没有打开回话的代码，运行的话不会输出任何东西。也就是说我们定义的每个变量都是一个tensor ，都需要在session中进行计算，这个计算包括

赋值，以及四则运算。不通过session会话运算我们什么都不会得到。

import tensorflow as tf
    sess = tf.Session()
    con1 = tf.constant('hello tf!!!',tf.string) #字符串常量
    print(con1)

只有通过session会话计算之后才可以输出

import tensorflow as tf
    '''输出都要靠session来实现'''
    sess = tf.Session()
    con1 = tf.constant('hello tf!!!',tf.string) #字符串常量
    print(sess.run(con1))

输出:

![20190525195940619.PNG][]

## 三、变量和常量 ##

tips：要注意的是使用tensorflow的变量时要先进行初始化，不然会报错

import tensorflow as tf
    '''输出都要靠session来实现'''
    sess = tf.Session()
    '''常量'''
    con1 = tf.constant('hello tf!!!',tf.string) #字符串常量
    con2 = tf.constant(2.5,tf.float32)#浮点型常量
    con3 = tf.constant(2,tf.int32)#int 型常量
    '''变量 '''
    var = tf.Variable(10,tf.int32)
    '''要注意tf中的变量必须要初始化才可以使用'''
    init = tf.global_variables_initializer()
    with sess:#这样写就可以省去sess.close()语句 会自动关闭session
     sess.run(init)
     '''打印变量'''
     print(sess.run(con1))
     print(sess.run(con2))
     print(sess.run(con3))
     print(sess.run(var))

输出：

b'hello tf!!!'
    2.5
    2
    10

## 四、变量常量之间的简单运算： ##

import tensorflow as tf
    data1 = tf.constant(6)
    data2 = tf.Variable(2)
    dataAdd = tf.add(data1,data2)
    dataCopy = tf.assign(data2,dataAdd)#将dataAdd的值赋给data2 然后此时的data2就是dataCopy
    dataSub = tf.subtract(data1,data2)
    dataMul = tf.multiply(data1,data2)
    dataDiv = tf.divide(data1,data2)
    '''有变量的情况下 要对变量进行初始化'''
    init = tf.global_variables_initializer()
    with tf.Session() as sess:
        sess.run(init)
        print(sess.run(dataAdd))
        print(sess.run(dataSub))
        print(sess.run(dataMul))
        print(sess.run(dataDiv))
        print('dataCopy',sess.run(dataCopy))

输出:

8
    4
    12
    3.0
    dataCopy 8

[20190525195940619.PNG]: /images/20220127/6b01be8c793e48018e71f7349f56c433.png