import tensorflow as tf
常量的使用
# 定义常量
a = tf.constant(10)
b = tf.constant(20)
# 定义一种操作，建立一种关系
c = tf.add(a, b)
# 通过会话真正执行代码操作
with tf.Session() as sess:
ret = sess.run(c)
print(ret)
变量的使用
# 定义变量
c = tf.Variable([2])
d = tf.Variable([3])
e = tf.add(c, d)
# 获取已经默认的图，一个程序默认是一个图--之前设置好的关系图
g = tf.get_default_graph()
print(g)
# 初始化变量，才能使用
init = tf.global_variables_initializer()
# 这里才是真正的执行
with tf.Session() as sess:
# 执行定义的变量
sess.run(init)
ret = sess.run(e)
print(ret)
占位符-手动填充变量占位
# placeholder 占位符
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
add = tf.add(input1, input2)
# op操作嵌套
input4 = tf.multiply(input1, add)
with tf.Session() as sess:
# feed_dict 以字典形式给占位变量赋值
result = sess.run(input4, feed_dict={input1:[3], input2:[4]})
print(result)
assign 赋值操作
weight = tf.Variable([[2.0, 3.0, 4.0]])
# 设置w2的形状和weight一样 并同等赋值 如果不执行还是变量可更改
w2 = tf.Variable(weight.initialized_value())
w3 = tf.Variable(weight.initialized_value() * 0.2)
# assign(一个可变的tensor, 相同类型的tensor) 赋值操作
# 简单说：将w3的值 赋值给 同形状的w2
update = tf.assign(w2, w3)
init = tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
# 查看w2是变量
print(w2)
w3 = sess.run(w3)
print(w3)
# 执行操作
sess.run(update)
w2 = sess.run(w2)
print(w2)
我的博客即将搬运同步至腾讯云+社区，邀请大家一同入驻：https://cloud.tencent.com/developer/support-plan?invite_code=3bus9f38t4cgc
