1.placeholder 占位符 可以通过run方法传入值

测试代码如下:

 # encoding:utf-8

 import tensorflow as tf

 # placeholder 占位符 可以由用户输入
data1 = tf.placeholder(tf.float32)
data2 = tf.placeholder(tf.float32)
dataAdd = tf.add(data1,data2)
with tf.Session() as sess:
print(sess.run(dataAdd,feed_dict={data1:6, data2:2}))
print("end!")

运行结果如下:

2.矩阵的定义

类似于二维数组,测试代码如下:

 # encoding:utf-8

 import tensorflow as tf

  # 类比 数组M行N列
data1 = tf.constant([[6,6]]) # M=1 N=1
data2 = tf.constant([[2],
[2]]) # M=2 N=1
data3 = tf.constant([[3,3]]) # M=1 N=1
data4 = tf.constant([[1,2],
[3,4],
[5,6]]) # M=3 N=2
print(data4.shape) # 打印该矩阵的维度
with tf.Session() as sess:
print(sess.run(data4))
print(sess.run(data4[0])) # 打印第一行
print(sess.run(data4[:,0])) # 打印第一列
print(sess.run(data4[0,0])) # 打印一行一列的数
print("end!")

运行结果如下:

3.矩阵的基本运算

同维度矩阵相加减,内积,外积等,测试代码如下:

 # encoding:utf-8

 import tensorflow as tf

 data1 = tf.constant([[6,6]])
data2 = tf.constant([[2],
[2]])
data3 = tf.constant([[3,3]])
data4 = tf.constant([[1,2],
[3,4],
[5,6]])
matMul = tf.matmul(data1,data2)
matMul2 = tf.multiply(data1,data2)
matAdd = tf.add(data1,data3)
with tf.Session() as sess:
print(sess.run(matMul)) # 矩阵内积
print("---------------------------")
print(sess.run(matAdd)) # 矩阵相加 矩阵相减类似
print("---------------------------")
print(sess.run(matMul2)) # 矩阵外积
print("---------------------------")
print(sess.run([matMul,matAdd])) #打印多个内容
print("end!")

运行结果如下:

4.特殊矩阵

特殊矩阵的测试代码如下:

 # encoding:utf-8

 import tensorflow as tf

 # 特殊矩阵的测试
# 全零矩阵的两种定义方式
mat0 = tf.constant([[0,0,0],[0,0,0]])
mat1 = tf.zeros([2,3])
# 全1矩阵
mat2 = tf.ones([3,2])
# 填充矩阵
mat3 = tf.fill([2,2],16)
# 归零矩阵
mat4 = tf.constant([[2],[3],[4]])
mat5 = tf.zeros_like(mat4)
# 等间隔矩阵
mat6 = tf.linspace(0.0,2.0,11)
# 随机矩阵
mat7 = tf.random_uniform([2,3],-1,2)
with tf.Session() as sess:
print(sess.run(mat0)) #
print("---------------------------")
print(sess.run(mat1))
print("---------------------------")
print(sess.run(mat2))
print("---------------------------")
print(sess.run(mat3))
print("---------------------------")
print(sess.run(mat4))
print("---------------------------")
print(sess.run(mat5))
print("---------------------------")
print(sess.run(mat6))
print("---------------------------")
print(sess.run(mat7))
print("---------------------------")
print("end!")

运行结果如下:

TensorFlow入门(矩阵基础)的更多相关文章

  1. 1 TensorFlow入门笔记之基础架构

    ------------------------------------ 写在开头:此文参照莫烦python教程(墙裂推荐!!!) ---------------------------------- ...

  2. (转)TensorFlow 入门

        TensorFlow 入门 本文转自:http://www.jianshu.com/p/6766fbcd43b9 字数3303 阅读904 评论3 喜欢5 CS224d-Day 2: 在 Da ...

  3. TensorFlow 入门之手写识别(MNIST) softmax算法

    TensorFlow 入门之手写识别(MNIST) softmax算法 MNIST flyu6 softmax回归 softmax回归算法 TensorFlow实现softmax softmax回归算 ...

  4. #tensorflow入门(1)

    tensorflow入门(1) 关于 TensorFlow TensorFlow™ 是一个采用数据流图(data flow graphs),用于数值计算的开源软件库.节点(Nodes)在图中表示数学操 ...

  5. TensorFlow入门(五)多层 LSTM 通俗易懂版

    欢迎转载,但请务必注明原文出处及作者信息. @author: huangyongye @creat_date: 2017-03-09 前言: 根据我本人学习 TensorFlow 实现 LSTM 的经 ...

  6. [译]TensorFlow入门

    TensorFlow入门 张量(tensor) Tensorflow中的主要数据单元是张量(tensor), 一个张量包含了一组基本数据,可以是列多维数据.一个张量的"等级"(ra ...

  7. 转:TensorFlow入门(六) 双端 LSTM 实现序列标注(分词)

    http://blog.csdn.net/Jerr__y/article/details/70471066 欢迎转载,但请务必注明原文出处及作者信息. @author: huangyongye @cr ...

  8. TensorFlow 入门之手写识别CNN 三

    TensorFlow 入门之手写识别CNN 三 MNIST 卷积神经网络 Fly 多层卷积网络 多层卷积网络的基本理论 构建一个多层卷积网络 权值初始化 卷积和池化 第一层卷积 第二层卷积 密集层连接 ...

  9. TensorFlow 入门之手写识别(MNIST) softmax算法 二

    TensorFlow 入门之手写识别(MNIST) softmax算法 二 MNIST Fly softmax回归 softmax回归算法 TensorFlow实现softmax softmax回归算 ...

  10. Qt入门之基础篇 ( 二 ) :Qt项目建立、编译、运行和发布过程解析

    转载请注明出处:CN_Simo. 题解: 本篇内容主讲Qt应用从创建到发布的整个过程,旨在帮助读者能够快速走进Qt的世界. 本来计划是讲解Qt源码静态编译,如此的话读者可能并不能清楚地知道为何要静态编 ...

随机推荐

  1. LINQ标准查询运算符的执行方式-即时

    即时,声明查询的位置立即执行.查询返回如果是不可以枚举的的结果,都会立即执行. 执行方式为“”即时”的查询运算符有下面这些. Aggregate 应用累计器函数和结果选择器,返回传入泛型类型TSour ...

  2. Oracle列转行 参数动态传入iBatis使用示例

    Oracle行转列 参数动态传入iBatis使用示例 最近做了一个需求,需要获取工作流数据的各个节点的渠道数量信息,各渠道的费用信息~ 之前的需求是只需要获取渠道数据,所以做了渠道兼容,每个渠道数量的 ...

  3. 3.Python运算符详解

    1.算数运算符 符号:+   -   *   /   %(取余.取模)   //(取整)   **(开方) 2.比较运算符 符号:>   >=   <   <=   ==(全等 ...

  4. 使用Ajax时[object%20object] 报错的解决方案

    踩坑经过 最近初学Ajax,当我想把Ajax应用到自己项目中的时候,没有达到理想的效果,还报了如下错误: 点击图中报错,产生报错页面如下: 当时写的Ajax如下: // 提交修改密码表单 $(&quo ...

  5. The Ether 靶场

    0x01 首先对靶场进行端口扫描 发现只开启了80端口和22端口 0x02 目录扫描 访问了几个目录并没有什么发现 0x03 访问主页几个网站链接 发现了一个疑似文件包含的漏洞 0x04 抓包进行分析 ...

  6. (二)LoadRunner目录分析

    学习一个软件的适用,首先应该了解软件目录,对以后深入学习工具有很大的好处. 查看目录文件如下: Analysis Templates——分析模板(默认的模板,可以将自己的模板保存到该目录下) bin— ...

  7. 小白的linux笔记11:放弃gitbook,转战Sphinx

    gitbook生成的html目录不折叠且链接失效 装好了gitbook和nodejs,本以为可以安心的做电子书了. 谁想到gitbook慢的一P,而且导出来的html目录不折叠,最关键的是链接有问题, ...

  8. 小白的linux笔记6:关于挂载硬盘

    每个硬盘,包括移动硬盘,插上之后都会有个名字,如sda,sdb,sdc.... sda,sdb等名字只与插上的顺序有关.而且重启后有可能会发生变化. 查看全部硬盘可以用fdisk -l. df -h  ...

  9. JVM和线程池

    本文链接:https://blog.csdn.net/liuwenliang_002/article/details/90074283 ————————————————版权声明:本文为CSDN博主「3 ...

  10. Verilog-同步FIFO

    参考博客:https://blog.csdn.net/hengzo/article/details/49683707 1.基本框图 1)双端口RAM加两个读写指针 2)写数据.写使能.写满:读数据.读 ...