TensorFlow常用操作：代码示例

1，定义矩阵代码示例：

import tensorflow as tf

tf.zeros([3,4]) #定义3行4列元素均为0的矩阵

tensor=tf.constant([1,2,3,4])#定义一维向量常量

#'tensor' =[[1,2,3],[4,5,6]]
tf.ones_like(tensor) #定义大小和tensor变量大小相同的元素均为1的矩阵


tensor1=tf.constant(1.0,shape=[2,3])#定义2行3列元素均为1.0的常量矩阵

tf.linspace(1.0, 6.0, 1, name="linspac")#起始值为1.0，终止值为6.0，步长为1

tf.range=(1,0, 6.0, 1)#start=1.0,limit=6.0,delta=1(不包括6.0)

norm = tf.random_normal([3,4],mean =1, stddev =4)#3行4列均值为1，标准差为4的随机矩阵

shuff = tf.random_shuffle(tensor),#随机打乱矩阵中元素的位置

with tf.Session() as sess: 
      print(sess.run(norm))
      print(sess.run(shuff))

运行结果：

TensorFlow常用操作在定义矩阵时和numpy差不多。还可以利用相应API直接将numpy定义的矩阵转化为TensorFlow支持的格式

import tensorflow as tf
import numpy as np
a= np.zeros([4,4])
ta= tf.convert_to_tensor(a)
with tf.Session() as sess: 
      print(sess.run(ta))

2，循环迭代（for循环）代码示例：

import tensorflow as tf

a = tf.Variable(0)
New_a = tf.add(a, tf.constant(1)) 
update =tf.assign(a,New_a) #赋值操作（a=New_a）

with tf.Session() as sess: 
    init_op = tf.global_variables_initializer()
    sess.run(init_op)
    print( sess.run(a))
    for _ in range(3):
        sess.run(update) #累加迭代
        print(sess.run(a)) 
       

3，分配内存（placeholder）

import tensorflow as tf

input1=tf.placeholder(tf.float32)  #建议使用tf.float32类型
input2=tf.placeholder(tf.float32)
output= tf.add(input1, input2)
with tf.Session() as sess: 
      print(sess.run([output],feed_dict={input1:[7.0],input2:[3.0]}))