# __author__ = 'youngkl'
# -*- coding: utf-8 -*-
import tensorflow as tf
#1*2的矩陣
mat1=tf.constant([[3.,3.]])
#2*1的矩陣
mat2=tf.constant([[2.],[3.]])
ans=tf.matmul(mat1,mat2)#此時ans無法直接輸出
'''# 啟動預設圖
# sess=tf.session()
## # 呼叫 sess 的 'run()' 方法來執行矩陣乘法 op, 傳入 'ans' 作為該方法的引數.
# # 上面提到, 'ans' 代表了矩陣乘法 op 的輸出, 傳入它是向方法表明, 我們希望取回
# # 矩陣乘法 op 的輸出.
# # 函式呼叫 'run(ans)' 觸發了圖中三個 op (兩個常量 op 和乙個矩陣乘法 op) 的執行
# res=sess.run(ans)
## print res
# # 任務完成, 關閉會話.
# sess.close()
'''# with tf.session() as sess:
# res=sess.run([ans])
# print res
'''# 使用初始化器 initializer op 的 run() 方法初始化 'x'
sess1=tf.interactivesession()
a=tf.variable([1.,2.])
b=tf.constant([2.,3.])
# 增加乙個減法 sub op, 從 'x' 減去 'a'. 執行減法 op, 輸出結果
a.initializer.run()
sub=tf.sub(a,b)
print sub.eval()
''''''
#建立乙個變數 初始化為標量0
state=tf.variable(0,name="counter")
# state=tf.variable(0)
#建立乙個op 作用是使state+1
one=tf.constant(1)
new_val=tf.add(state,one)
update=tf.assign(state,new_val)
#啟**後 變數必須先經過'初始化'
#首先必須新增乙個'初始化'op到圖中
init_op=tf.initialize_all_variables()
#啟**後 執行op
with tf.session() as sess:
sess.run(init_op)
#列印state初始值
print sess.run(state)
#執行op 更新'state' 並列印state
for i in range(3):
sess.run(update)
print sess.run(state)
#assign操作是圖所描繪的表示式的一部分,呼叫run執行表示式之前 它並不會真正執行賦值操作
''''''
input1=tf.constant(3)
input2=tf.constant(2)
input3=tf.constant(5)
inter=tf.add(input2,input3)
mul=tf.mul(input1,inter)
with tf.session() as sess:
res=sess.run([mul,inter])
print res
#[21, 7]
#獲取多個tensor的值
''''''
input1=tf.placeholder(tf.float32)
input2=tf.placeholder(tf.float32)
output=tf.mul(input1,input2)
with tf.session() as sess:
print sess.run([output],feed_dict=)
#[array([ 14.], dtype=float32)]
'''
tensorflow學習 《基本用法》
最近嘗試用dqn ddqn演算法時,發現tensorflow部分有點模糊,正好忙完了一段時間亂七八糟的事,靜下來心重新完整的學一遍tensorflow 首先tensorflow是做圖計算的 階數學例項 數學例項 0純量 只有大小 s 483 1向量 大小和方向 v 1.1,2.2,3.3 2矩陣 資...
Tensorflow的一些基本用法
在使用tensorflow中會遇到一些其基本的用法,再次作為記錄備忘 在計算整體的loss是會將不同部分的loss放入乙個集合中,最後計算整體的loss,因此會用到tf.add to collection,具體參考tensorflow中的cifar10的例子,用法如下所示 tf.add to col...
Tensorflow基本使用
使用 tensorflow,你必須明白 tensorflow tensorflow 是乙個程式設計系統,使用圖來表示計算任務.圖中的節點被稱之為 op operation 的縮寫 乙個 op 獲得 0 個或多個tensor,執行計算,產生 0 個或多個tensor.每個 tensor 是乙個型別化的...