my_state = tf.variable(0, name = "counter") #建立乙個op變數my_state，並初始化為0
one = tf.constant(1) #建立乙個op常量賦值為1
new_value = tf.add(my_state, one)
update = tf.assign(my_state, new_value) #通過assign()函式，將new_value的值賦給my_state.
init_op = tf.global_variables_initializer() #tf.global_variables_initializer()
#會返回乙個操作，初始化計算圖中所有variable物件
variable_names = [v.name for v in tf.trainable_variables()]
print(variable_names)
.split('.')[-1]
#[-1]代表把最後一塊切出來
import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np
image_raw_data = tf.gfile.gfile('c:/users/dell/desktop/cwtpic/train1.jpg','r').read() #載入原始影象
with tf.session() as sess:
img_data = tf.image.decode_jpeg(image_raw_data) #解碼
plt.imshow(img_data.eval())
plt.show()
resized = tf.image.resize_images(img_data, [64,64],method=0) #第乙個引數為原始影象，第二個引數為影象大小，第三個引數給出了指定的演算法
resized = np.asarray(resized.eval(),dtype='uint8') #變為uint8才能顯示
plt.imshow(resized)
plt.show()
對於tf.get_variable來說，tf.name_scope對其無效，也就是說tf認為當你使用tf.get_variable時，你只歸屬於tf.variable_scope來管理共享與否。
來看乙個例子：
with tf.name_scope('name_sp1') as scp1:
with tf.variable_scope('var_scp2') as scp2:
with tf.name_scope('name_scp3') as scp3:
a = tf.variable('a')
b = tf.get_variable('b')
等同於with tf.name_scope('name_sp1') as scp1:
with tf.name_scope('name_sp2') as scp2:
with tf.name_scope('name_scp3') as scp3:
a = tf.variable('a')
with tf.variable_scope('var_scp2') as scp2:
b = tf.get_variable('b')
c 亂七八糟
大綱 變數和基本型別 常量 表示式，各種操作符等 控制語句 強制型別轉換 異常處理 函式 標準輸入輸出類 類，封裝性，繼承性，多型性 標準類 泛型程式設計，類模板，函式模板 標準容器類，泛型演算法 類是什麼，類是對具有相同特性以及行為的一類物件的高度歸納，類是一種抽象資料型別 快慢指標 多個指標，前...
亂七八糟的命令
man ls col b ls.txt whatis du cd 前一目錄 cd 直接回家 tree makir p home dir1 dir2 dir3 head 5 etc passwd tail sudo etc init.d apache2 stop 檔案預設不能授予x許可權，預設644 ...
亂七八糟記一下亂七八糟的碎片化知識
from mdn 對於所有情況都是true，除非屬性是乙個自身的不可配置的屬性，在這種情況下，非嚴格模式返回false。在嚴格模式下，如果是屬性是乙個自己不可配置的屬性，會丟擲typeerror。檢查分支，確定分支 提交到緩衝區 git add 將緩衝區內容提交到本地倉庫 git commit m ...