tensorflow学习之路---Session、Variable（变量）和placeholder

---恢复内容开始---

1、Session

'''
Session.run():首先里面的参数是一个API（函数的接口）的返回值或者是指定参数的值；功能：得知运算结果
有两种访问方式：直接建立或者运用with语句（这个会帮我们自动关闭会话）

'''

import tensorflow as tf

#创建两个参数
matrixl = tf.constant([[4,5]])#表示常量
matrix2 = tf.constant([[3],[5]])

#矩阵相乘

product = tf.matmul(matrixl,matrix2)

sess = tf.Session()
reslut = sess.run(product)
print(reslut)
sess.close()

with tf.Session() as sess1:
reslut = sess.run(product)
print(reslut)

2、Variable

定义变量的方式：

tf.Variable(初始值），其中的参数也可以是：name = " 字符串"

import tensorflow as tf

#定义变量,一定要能是变量
state = tf.Variable(0,name="counter")
#打印变量的名字
#print(state.name)
data = tf.constant(3)#定义常量

new_data = tf.add(state,data)
data2 = tf.assign(state,new_data)

init = tf.global_variables_initializer()#只有初始化所有的tf中的变量之后，才能使用

with tf.Session() as sess:
sess.run(init)
for i in range(3):
sess.run(data2)#要改变制定才参数的值，就要执行能够改变这个参数的值的函数
print(sess.run(state))

3、placeholder

#这个不需要初始化，但是要在Session.run()中的参数，不仅仅只有函数的返回值，还有
#feed_dict={}里面是字典的形式写入的，有多少个placeholder式的变量，就写多少个键值对

import tensorflow as tf

input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)

output = tf.subtract(input1,input2)

with tf.Session() as sess:
print(sess.run(output,feed_dict={input1:4,input2:6}))

注意：placeholder与Variable最大的不同是，placeholder不需要初始化

---恢复内容结束---