tensorflow基础篇-1

1、使用占位符和变量

import tensorflow as tf
import numpy as np

#-----创建变量并初始化-----------
def first():
    my_var=tf.Variable(tf.zeros([2,3]))
    sess=tf.Session()
    initialize_op=tf.global_variables_initializer()
    print sess.run(initialize_op)

#-----声明一个占位符并初始化------
def second():
    sess=tf.Session()
    x=tf.placeholder(tf.float32,shape=[2,2])
    y=tf.identity(x)
    x_var=np.random.rand(2,2)
    print sess.run(x,feed_dict={x:x_var})
first()
second()

2、基础计算

import tensorflow as tf

sess=tf.Session()

print '(除法保留整数)3/4=',
print sess.run(tf.div(3,4))
print '(除法不保留整数)3/4=',
print sess.run(tf.truediv(3,4))
print '(除法向下取整)5/4=',
print sess.run(tf.floordiv(5.0,4.0))
print '(取模)22/5=',
print sess.run(tf.mod(22.0,5.0))
print '两个张量点击：',
print sess.run(tf.cross([1.,0.,0.],[0.,1.,0.]))
print 'sin cos的使用:'
print sess.run(tf.div(tf.sin(3.1416/4.),tf.cos(3.1416/4.)))

print '3X²-X+10（当X=2）:'
def program(value):
    return tf.subtract(3*tf.square(value),value)+10
print sess.run(program(2))

3、矩阵操作

import tensorflow as tf
import numpy as np

#----创建矩阵-----
sess=tf.Session()
identity_matrix=tf.diag([1.0,1.0,1.0])
A=tf.truncated_normal([2,3])
B=tf.fill((2,3),5.0)
C=tf.random_uniform([3,2])
D=tf.convert_to_tensor(np.array([[1.,2.,3.],[-3.,-7.,-1.],[0.,5.,-2.]]))

print 'tf.diag([1.0,1.0,1.0])=',
print (sess.run(identity_matrix))

print 'A=',
print (sess.run(A))

print 'B=',
print (sess.run(B))

print 'C',
print (sess.run(C))

print 'D=',
print (sess.run(D))

#---矩阵相加---
print 'A+B=',
print sess.run(A+B)
print 'B-B=',
print sess.run(B-B)
print 'B+identity_matrix=',
print sess.run(tf.matmul(B,identity_matrix))

#---矩阵转置---
print 'B的转置:',
print sess.run(tf.transpose(B))

#---矩阵的行列式---
print 'D的行列式：',
print sess.run(tf.matrix_determinant(D))

#---矩阵的逆矩阵---
print 'D的逆矩阵：',
print sess.run(tf.matrix_inverse(D))

#---矩阵分解---
print 'D的矩阵分解：',
print sess.run(tf.cholesky(identity_matrix))

#---矩阵的特征值和特征解---
print 'D的特征值和特征解：',
print sess.run(tf.self_adjoint_eig(D))