python+tensorflow,tensorflow.python
本文主要介绍python深度学习tensorflow入门基础教程示例的详细讲解。有需要的朋友可以借鉴一下，希望能有所帮助。祝大家进步很大，早日升职加薪。
00-1010文本1、编辑器2、常量3、变量4、占位符5、图形示例1: Hello World示例2:加法和乘法示例3:矩阵乘法
目录
TensorFlow使用张量作为数据结构来表示所有数据。
用一阶张量来表示向量，如：v=[1.2，2.3，3.5]，用二阶张量来表示矩阵，如：m=[[1，2，3]，[4，5，6]，[7，8，9]]，可以看作是方括号的嵌套层数。
正文
写tensorflow代码其实就是写py文件。最好找一个好用的编辑器。如果您对vim或gedit感到满意，那也没问题。现在我们已经安装了anaconda，它附带了一个相当不错的编辑器，名为spyder，类似于matlab，你也可以在右上角查看变量的值。所以我一直用这个编辑器。它的启动方式也很简单，直接在终端输入spyder即可。
1、编辑器
一般我们用语句来介绍张量流。
将张量流作为tf导入
所以以后的文章我会直接用tf来表示tensorflow。
在tf中，常量由以下语句定义：
a=tf .常数(10)
这定义了一个值为10的常数A。
2、常量
变量被定义且必须被初始化，例如：
x=tf。变量(tf.ones([3，3]))
y=tf。变量(tf.zeros([3，3]))
分别定义一个33全1矩阵X和一个33全0矩阵Y，并初始化0和1的值。
定义完变量后，必须显式执行初始化操作，即需要添加以下语句：
init=TF . global _ variables _ initializer()
不要忘记这句话，否则你会犯错误。
示例：定义拉普拉斯W变量：
将张量流作为tf导入
将numpy作为np导入
x=np.array([[1，1，1]，[1，-8，1]，[1，1，1]])
w=tf。变量(初始值=x)
sess=tf。会话()
sess . run(TF . global _ variables _ initializer())
打印(sess.run(w))
3、变量
变量在定义的时候需要初始化，但是有些变量因为我们一开始不知道它们的值而无法初始化怎么办？
然后用占位符来占据一个位置，比如：
x=tf.placeholder(tf.float32，[无，784])
指定此变量的类型和形状，然后使用feed方法输入值。
4、占位符
如果把下面的python语句改成tf语句，怎么写：
x=3
y=2
z=x y
打印(z)
定义两个变量，将两个数相加，输出结果。如果在tf中直接像上面这样写，那就是错的。x，y，z y，z分别是三个张量对象，对象之间的运算称为operation (op)，tf不是把所有的运算都一一执行，而是把所有的运算放到一个图中，图中的每个节点都是一个运算。然后整个图的计算过程交给一个TensorFlow Session来完成，这个Session可以运行整个计算过程，比一个一个操作要高效的多。
执行代码如下：
将张量流作为tf导入
x=tf。变量(3)
y=tf。变量(5)
z=x y
init=TF . global _ variables _ initializer()
用tf。会话()为sess:
sess.run(初始化)
print(sess.run(z))
Sess.run()是执行。注意操作前的变量初始化。
需要首先创建会话，并在使用后释放。因此，我们将与一起使用.如同.语句让系统自动释放。
5、图(graph)
将张量流作为tf导入
word=tf.constant(你好，世界！)
用tf。会话()为sess:
print(sess.run(word))
例子1：hello world
将张量流作为tf导入
a=tf.placeholder(tf.int16)
b=tf.placeholder(tf.int16)
add=tf.add(a，b)
mul=tf.mul(a，b)
用tf。会话()为sess:
print(a b=，sess.run(add，feed_dict={a: 2，b: 3}))
print(a*b=，sess.run(mul，feed_dict={a: 2，b: 3}))
这里，feed_dict用于输入字典中多个变量的值。
例子2：加法和乘法
将张量流作为tf导入
a=tf。变量(tf.ones([3，2]))
b=tf。变量(tf.ones([2，3]))
product=tf.matmul(5*a，4*b)
init=TF . initialize _ all _ variables()
用tf。会话()为sess:
sess.run(初始化)
打印(sess.run(product))
在…之中
product=tf.matmul(5*a，4*b)
它也可以更改为
product=tf.matmul(tf.mul(5.0，a)，tf.mul(4.0，b))
定义变量时，如果没有指定数据类型，默认值是float32，所以是5.0而不是5。
以上是python深度学习tensorflow基础教程示例的详细内容。关于python深度学习tensorflow基础的更多信息，请关注盛行IT软件开发工作室的其他相关文章！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。