tensorflow 基本内容

tensorflow的结构

1、使用图（graphs）来表示计算任务

2、在被称之为会话（Session）的上下文（context）中执行图

3、使用tensor表示数据

4、通过变量（Variable）维护状态

5、使用feed和fetch可以为任意的操作赋值或者从中获取数据

1、基本操作：

m1 = tf.constant([[3,3]]) 1行2列   m2 = tf.constant([[2],[3]])   创建常量

product =  tf.matmul(m1,m2)    矩阵乘法

sess= tf.Session()       定义一个会话

with tf.Session（）as sess:

relult = sess.run(product)，启动默认图     只有用会话才能去调用上面的三个操作 用

sess.close()   关闭会话。

2、变量

x = tf.Variable([1,2])      tensorflow 变量

sub = tf.subtract(x,a)  减法。tf.add(x,a) 加法

init = tf.global_variales_initializer（）全局初始化所有变量。

update = tf.assign(state,new_value)  #赋值语句state = new_value

for  _in range(5):  #循环执行5次

3、Fetch 可以执行多个操作

result = sess.run([mul,add])

4、Feed 以字典的形式传入值

input1 = tf.placeholder（tf.float32）#定义占位符 里面的值不确定

sess.run(操作，feed_dict = {操作占位符1：[8.],操作占位符2：[2.]})

5简单实例

   

6、import matplotlib.pylot as plt 导入python 画图的包

x_data = np.linspace(-0.5,0.5,200)[:,np.newaxis]  #numpy生成200个-0.5到0.5的值，维度是 200行1列

np.random(0,0.02,x_data.shape)#形状和x_data 一样   np.square(x)x的平方

tf.nn.tanh()或一个激活函数。

plt.figure（）  plt.scatter(x,y)将x,y 用散点图打印出来

plt.plot(x,y,'r-',lw = 5)  表示画出来宽为5的红色的实线