zoukankan      html  css  js  c++  java
  • TensorFlow入门(矩阵基础)

    1.placeholder 占位符 可以通过run方法传入值

    测试代码如下:

     1 # encoding:utf-8
     2 
     3 import tensorflow as tf
     4 
     5 # placeholder 占位符 可以由用户输入
     6 data1 = tf.placeholder(tf.float32)
     7 data2 = tf.placeholder(tf.float32)
     8 dataAdd = tf.add(data1,data2)
     9 with tf.Session() as sess:
    10     print(sess.run(dataAdd,feed_dict={data1:6, data2:2}))
    11 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:

     1 # encoding:utf-8
     2 
     3 import tensorflow as tf
     4 
     5  # 类比 数组M行N列
     6 data1 = tf.constant([[6,6]])  # M=1 N=1
     7 data2 = tf.constant([[2],
     8                      [2]])  # M=2 N=1
     9 data3 = tf.constant([[3,3]])  # M=1 N=1
    10 data4 = tf.constant([[1,2],
    11                      [3,4],
    12                      [5,6]])  # M=3 N=2
    13 print(data4.shape)  # 打印该矩阵的维度
    14 with tf.Session() as sess:
    15     print(sess.run(data4))
    16     print(sess.run(data4[0]))  # 打印第一行
    17     print(sess.run(data4[:,0]))  # 打印第一列
    18     print(sess.run(data4[0,0]))  # 打印一行一列的数
    19 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:

     1 # encoding:utf-8
     2 
     3 import tensorflow as tf
     4 
     5 data1 = tf.constant([[6,6]])
     6 data2 = tf.constant([[2],
     7                      [2]])
     8 data3 = tf.constant([[3,3]])
     9 data4 = tf.constant([[1,2],
    10                      [3,4],
    11                      [5,6]])
    12 matMul = tf.matmul(data1,data2)
    13 matMul2 = tf.multiply(data1,data2)
    14 matAdd = tf.add(data1,data3)
    15 with tf.Session() as sess:
    16     print(sess.run(matMul))  # 矩阵内积
    17     print("---------------------------")
    18     print(sess.run(matAdd))  # 矩阵相加 矩阵相减类似
    19     print("---------------------------")
    20     print(sess.run(matMul2))  # 矩阵外积
    21     print("---------------------------")
    22     print(sess.run([matMul,matAdd]))  #打印多个内容
    23 print("end!")

    运行结果如下:

    4.特殊矩阵

    特殊矩阵的测试代码如下:

     1 # encoding:utf-8
     2 
     3 import tensorflow as tf
     4 
     5 # 特殊矩阵的测试
     6 # 全零矩阵的两种定义方式
     7 mat0 = tf.constant([[0,0,0],[0,0,0]])
     8 mat1 = tf.zeros([2,3])
     9 # 全1矩阵
    10 mat2 = tf.ones([3,2])
    11 # 填充矩阵
    12 mat3 = tf.fill([2,2],16)
    13 # 归零矩阵
    14 mat4 = tf.constant([[2],[3],[4]])
    15 mat5 = tf.zeros_like(mat4)
    16 # 等间隔矩阵
    17 mat6 = tf.linspace(0.0,2.0,11)
    18 #  随机矩阵
    19 mat7 = tf.random_uniform([2,3],-1,2)
    20 with tf.Session() as sess:
    21     print(sess.run(mat0))  #
    22     print("---------------------------")
    23     print(sess.run(mat1))
    24     print("---------------------------")
    25     print(sess.run(mat2))
    26     print("---------------------------")
    27     print(sess.run(mat3))
    28     print("---------------------------")
    29     print(sess.run(mat4))
    30     print("---------------------------")
    31     print(sess.run(mat5))
    32     print("---------------------------")
    33     print(sess.run(mat6))
    34     print("---------------------------")
    35     print(sess.run(mat7))
    36     print("---------------------------")
    37 print("end!")

    运行结果如下:

  • 相关阅读:
    Gitkraken使用教程
    request.getHeader中区分大小写参数
    MySql 中查询列表中添加序号
    解决windows 下mysql 表名自动转成小写的问题
    MYSQL服务无法启动,服务没有任何错误;解决方法
    idea中设置一键生成方法注释和类注释
    Windows10下安装MySQL8.0.21-64
    navicat连接mysql出现2059错误的解决方法
    解决tomca在eclipse中正常启动,在bin下启动闪退问题
    QT线程的结束
  • 原文地址:https://www.cnblogs.com/shixinzei/p/10890490.html
Copyright © 2011-2022 走看看