变量：
importtensorflowastf#创建一个常量OP和变量opv=tf.Variable([1,2]) a=tf.constant([3,3]) #增加一个加法 减法opsub=tf.subtract(v,a) add=tf.add(v,sub) #在TensorFlow使用变量要进行初始化操作init=tf.global_variables_initializer() withtf.Session() assess: sess.run(init) print(sess.run(sub)) print(sess.run(add))
运行结果
[-2-1] [-11]
利用TensorFlow书写循环
#创建一个变量初始化为0state=tf.Variable(0,name='counter') #创建一个op作用是使得state+1new_value=tf.add(state,1) #赋值op 后面的值赋值给前面update=tf.assign(state,new_value) #初始化init=tf.global_variables_initializer() withtf.Session() assess: sess.run(init) print(sess.run(state)) foriinrange(5): sess.run(update) print(sess.run(state))
这里主要注意变量要进行初始化，并且变量和op都可以起名字
运行结果：
012345
importtensorflowastf#创建常量OPm1=tf.constant(3.0) m2=tf.constant(2.0) m3=tf.constant(5.0) add=tf.add(m2,m3) mul=tf.multiply(m1,add) withtf.Session() assess: #fetch 的意思是在会话中可以同时运行多个opresult=sess.run([mul,add]) print(result)
Fetch：
importtensorflowastf#创建常量OPm1=tf.constant(3.0) m2=tf.constant(2.0) m3=tf.constant(5.0) add=tf.add(m2,m3) mul=tf.multiply(m1,add) withtf.Session() assess: #fetch 的意思是在会话中可以同时运行多个opresult=sess.run([mul,add]) print(result)
Feed：
这里的feed就相当于是定义一种运算op后在运行的过程中进行值的一个传输，比较常用
注：feed的数据以字典的形式传入
#创建2个占位符in1=tf.placeholder(tf.float32) in2=tf.placeholder(tf.float32) output=tf.multiply(in1,in2) withtf.Session() assess: #feed数据以字典的形式传入print(sess.run(output,feed_dict={in1:[7.0],in2:[2.0]}))
