Tensorflow基本用法

简介: Tensorflow基本用法

因需求需要用到些Tensorflow的知识,所以简单入门一下

首先我们去安装tensorflow,tensorflow有CPU版本和GPU版本有关tensorflow的安装可以看这个视频,讲解的很好tensorflow2.0的安装

安装好后我们进行代码操作

import tensorflow as tf
a = tf.constant(2.5)   # 定义一个常量,给a赋值为2.5
print(a)
b = tf.Variable(10, name="var")    #  定义一个变量,初始值10,名字为var
print(b)

分别定义了一个常亮和一个变量,但是打印出来确实类型的解释,tensorflow的数据都要放到session会话中执行

import tensorflow.compat.v1 as tf   #  如果是tensorflow2.0这么写     而 tensorflow 1.x写作 import tensorflow as tf
tf.disable_v2_behavior()     #  表示继续使用1.x版本的语法
a = tf.constant(2.5)   # 定义一个常量,给a赋值为2.5
print(a)
b = tf.Variable(10, name="var")    #  定义一个变量,初始值10,名字为var
print(b)
sess = tf.Session()    #创建session会话   
print(sess.run(a))
sess.close()   # 关闭session

可以看到打印了2.5

我们也可以给他指定数据类型如下

a = tf.constant(2, dtype=tf.int32)

但是我们打印这个变量b却是报错的,那是因为变量在tensorflow中都要进行初始化

init = tf.global_variables_initializer()
sess.run(init)
print(sess.run(b))

我们也可以用with as来创建session

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
a = tf.constant(3.4)
b = tf.Variable(12)
init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(a))
    print(sess.run(b))

tensorflow四则运算

常量的计算

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
a = tf.constant(8)
b = tf.constant(2)
x1 = tf.add(a, b)
x2 = tf.multiply(a, b)
x3 = tf.subtract(a, b)
x4 = tf.divide(a, b)
with tf.Session() as sess:
    print(sess.run(x1))
    print(sess.run(x2))
    print(sess.run(x3))
    print(sess.run(x4))

变量的运算

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
a = tf.constant(8)
b = tf.Variable(2)
init = tf.global_variables_initializer()
x1 = tf.add(a, b)
x2 = tf.multiply(a, b)
x3 = tf.subtract(a, b)
x4 = tf.divide(a, b)
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(x1))
    print(sess.run(x2))
    print(sess.run(x3))
    print(sess.run(x4))

相关文章
|
1月前
|
TensorFlow 算法框架/工具
Tensorflow学习笔记(二):各种tf类型的函数用法集合
这篇文章总结了TensorFlow中各种函数的用法,包括创建张量、设备管理、数据类型转换、随机数生成等基础知识。
35 0
|
3月前
|
TensorFlow 算法框架/工具
【Tensorflow】图解tf.image.extract_patches的用法--提取图片特定区域
文章通过图解和示例详细解释了TensorFlow中tf.image.extract_patches函数的用法,展示了如何使用该函数从图像中提取特定区域或分割图像为多个子图像。
72 0
|
机器学习/深度学习 TensorFlow API
构建自定义机器学习模型:TensorFlow的高级用法
在机器学习领域,TensorFlow已经成为最受欢迎和广泛使用的开源框架之一。它提供了丰富的功能和灵活性,使开发者能够构建各种复杂的机器学习模型。在本文中,我们将深入探讨TensorFlow的高级用法,重点介绍如何构建自定义机器学习模型。
221 0
|
索引
tensorflow2.0的一些高级函数用法
tensorflow2.0的一些高级函数用法
100 0
tensorflow2.0的一些高级函数用法
|
机器学习/深度学习 缓存 TensorFlow
TF:tensorflow框架中常用函数介绍—tf.Variable()和tf.get_variable()用法及其区别
TF:tensorflow框架中常用函数介绍—tf.Variable()和tf.get_variable()用法及其区别
|
TensorFlow 算法框架/工具
TensorFlow教程(3)-embedding_lookup用法
TensorFlow教程(3)-embedding_lookup用法
266 0
|
机器学习/深度学习 缓存 TensorFlow
TF:tensorflow框架中常用函数介绍—tf.Variable()和tf.get_variable()用法及其区别
TF:tensorflow框架中常用函数介绍—tf.Variable()和tf.get_variable()用法及其区别
|
TensorFlow API 算法框架/工具
TF版本升级问题集合:成功解决由于不同的TensorFlow版本之间某些函数的用法引起的错误
TF版本升级问题集合:成功解决由于不同的TensorFlow版本之间某些函数的用法引起的错误
|
TensorFlow 算法框架/工具 Python
TensorFlow tf.app&tf.app.flags用法介绍
TensorFlow tf.app&tf.app.flags用法介绍 TensorFlow tf.app argparse  tf.app.flags 下面介绍 tf.app.flags.
1927 0
|
TensorFlow 算法框架/工具 机器学习/深度学习
【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
在计算loss的时候,最常见的一句话就是 tf.nn.softmax_cross_entropy_with_logits ,那么它到底是怎么做的呢? 首先明确一点,loss是代价值,也就是我们要最小化的值 tf.
1422 0