python之深度学习（tensorflow）：随机数&&变量&&可视化

随机数的产生：

tf.random_normal(形状，平均值，方差); 例如：

a = tf.random_normal([2,3],mean = 1.0,stddev = 1.0)
with tf.Session() as sess:
    print(sess.run(a))

变量op:

作用：变量op能够持久化保存，普通的张量不行

注意的事项：当定义一个变量op的时候需要，一定要在会话（Session）中去初始化

a = tf.constant([1,2,3,4,5])
var = tf.Variable(tf.random_normal([3,4],mean=0.0,stddev=1.0))
#这是做了一步显示的初始化op
inital_op = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(inital_op)
    print(sess.run([a,var]))

#数据类型的转化
a = [[1,2,3],[4,5,6]]
print(a)
b = tf.cast(a,tf.float32) #把int类型转化为float32类型
#把两个列表合并
c = [[1,2,3],[4,5,6]]
d = [[7,8,9],[10,11,12]]
e = tf.concat([c,d],axis = 0) #axis=0表示按行合并，axis=1表示按列合并
with tf.Session() as sess:
    print(sess.run(b))
    print(sess.run(e))

可视化学习，把tensorflow的图结构体现在Web界面上

#其实在每一个op参数后边都有一个叫name的参数，这个是为了在tensorboard中显示我们自定义的op名字
a = tf.constant([1,2,3,4,5],name='a')
var = tf.Variable(tf.random_normal([3,4],mean=0.0,stddev=1.0),name='var')
#这是做了一步显示的初始化op
inital_op = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(inital_op)
    #把程序的图结构写入事件文件中，graph:把你指定的图写入到事件文件中
    file_wirte = tf.summary.FileWriter("./temp/summary/text/",graph=sess.graph)

    print(sess.run([a,var]))

在后台输入：tensorboard --logdir = "./temp/summary/text/"

这条语句会生成一个本机地址，在浏览器中打开就行了，如图所示：