import tensorflow as tf
x = tf.constant([[3,3]])
y = tf.constant([[2],[2]])
product = tf.matmul(x,y)
#method 1
sess = tf.session()
result = sess.run(product)
print(result)
sess.close()
#method 2
with tf.session() as sess:
result = sess.run(product)
print(result)
可以是任意型別和shape的tensor，初始值需定義變數的type和shape
構造後引數固定
import tensorflow as tf
state = tf.variable(0,name = 'counter')
print(state.name)
one = tf.constant(1)
value = tf.add(state,one)
update = tf.assign(state,value)
init = tf.global_variables_initializer()
with tf.session() as sess:
sess.run(init)
for _ in range(3):
sess.run(update)
print(sess.run(state))
不必指定初始值，可在執行時，通過session.run的函式feed_dict引數指定
dtype：資料引數，tf.float32 等
shape：資料形狀，none
name：名稱
x = tf.placeholder(tf.float32,shape = (1024,1024))
y = tf.matmul(x,x)
with tf.session() as sess:
print(sess.run(y)) #此處x還沒有賦值
rand_array = np.random.rand(1024,1024)
print(sess.run(y,feed_dict = ))
例子：import tensorflow as tf
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
ouput = tf.multiply(input1, input2)
with tf.session() as sess:
print(sess.run(ouput, feed_dict=))
結果：[ 14.]
定義函式，目的增加一層網路
def add_layer(inputs,in_size,out_size,activation_function = none):
weights = tf.variable(tf.random_normal([in_size,out_size]))
biases = tf.variable(tf.zeros([1,out_size]+0.1)
wx_plus_b = tf.matmul(inputs, weights) + biases
if activation_function is none:
outputs = wx_plus_b
else:
outputs = activation_function(wx_plus_b)
return outputs
c 呼叫Tensorflow模組
最近在搞kinect人體骨架識別的研究，因為姿勢識別要用到深度學習方面的東西，而現在比較流行的深度學習框架是tensorflow，對python支援的相當好，我的專案是用c 寫的，難免這兩種語言做互動，接下來我就c 如何調python做一下總結。一，建乙個win32控制台專案c tensorflow...
Tensorflow 模組的作用
1，在機器學習中，我們常常需要把訓練好的模型儲存起來，這樣在進行決策時直接將模型讀出，而不需要重新訓練模型，這樣就大大節約了時間。python提供的pickle模組就很好地解決了這個問題，它可以序列化物件並儲存到磁碟中，並在需要的時候讀取出來，任何物件都可以執行序列化操作。pickle模組中最常用的...
tensorflow 有哪些模組
原文 作為深度學習的最熱門工具之一，tensorflow可以為我們的模型搭建以及資料運算帶來極大的便利。作為一門工具，必不可少地是要對它有乙個全域性的了解。私以為，如果對它的整體的模組架構有乙個了解的話，再結合自己的興趣與需要，能夠節約更多的時間去思考自己的網路結構設計，完善更多細節。登陸到tens...