## Tensorflow 基本概念 原

marjey

tensor可简单的理解为多维数组，但是张量对象并未正真保存计算的结果值， 而是保存要获得这个值的计算过程。

```import tensorflow as tf

a = tf.constant([[1, 2, 3, 4, 5], [1, 2, 3, 4, 5]], dtype=tf.float32)
b = tf.constant([[1, 2, 3, 4, 5], [1, 2, 3, 4, 5]], dtype=tf.float32)
result = a+b
print(result)
with tf.Session() as session:
b = session.run(result)
print(b)```

tensorflow  Graph:

```import tensorflow as tf

# 新建一个计算图
g1 = tf.Graph()
with g1.as_default():
v = tf.get_variable("v", [1], initializer=tf.zeros_initializer())  # 设置初始值为0
# 新建另一个计算图
g2 = tf.Graph()
with g2.as_default():
v1 = tf.get_variable("v1", [1], initializer=tf.ones_initializer())  # 设置初始值为1
result = v1 + 1

# 新建一个session对话
with tf.Session(graph=g1) as sess:
tf.global_variables_initializer().run()
with tf.variable_scope("", reuse=True):
print(sess.run(tf.get_variable("v")))

# 新建另一个session对话
with tf.Session(graph=g2) as sess:
tf.global_variables_initializer().run()
with tf.variable_scope("", reuse=True):
print(sess.run(tf.get_variable("v1")))
print(sess.run(result))```

```import tensorflow as tf

a = tf.constant([1.0, 2.0], name="a")
b = tf.constant([2.0, 3.0], name="b")
result = a + b
print(result)
with tf.Session() as sess:
#即便是一个常量，也需要session通过运算得到。
print(sess.run(result))
print(result.eval())
sess.close()```

```# 创建一个会话。
sess = tf.Session()
#```
`sess = tf.InteractiveSession () 可为交互式会话。`
```# 使用会话得到之前计算的结果。
print(sess.run(result))

# 关闭会话使得本次运行中使用到的资源可以被释放。
sess.close()```
```config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True)
#配置会话
sess1 = tf.InteractiveSession(config=config)
sess2 = tf.Session(config=config)```

```import tensorflow as tf

# 初始化随机值
init_w1 = tf.random_normal([2, 3], stddev=1, seed=1)
w1 = tf.Variable(init_w1)
init_w2 = tf.random_normal([3, 1], stddev=1, seed=1)
w2 = tf.Variable(init_w2)
x = tf.constant([[0.7, 0.9]])
a = tf.matmul(x, w1)
y = tf.matmul(a, w2)
sess = tf.Session()
sess.run(w1.initializer)
sess.run(w2.initializer)
print(sess.run(y))
sess.close()

# 新的输入类型
x = tf.placeholder(tf.float32, shape=(1, 2), name="input")
a = tf.matmul(x, w1)
y = tf.matmul(a, w2)
sess = tf.Session()
init_op = tf.global_variables_initializer()
sess.run(init_op)

print(sess.run(y, feed_dict={x: [[0.7, 0.9]]}))
# 批量input
x = tf.placeholder(tf.float32, shape=(3, 2), name="input")
a = tf.matmul(x, w1)
y = tf.matmul(a, w2)

sess = tf.Session()
# 使用tf.global_variables_initializer()来初始化所有的变量
init_op = tf.global_variables_initializer()
sess.run(init_op)

print(sess.run(y, feed_dict={x: [[0.7, 0.9], [0.1, 0.4], [0.5, 0.8]]}))```

### marjey

java I/O 模型简述

haoran_10
2016/07/14
640
5

Unreal SDK 游戏开发从入门到精通(UnrealScript语法、UI Scene界面、UDK独立开发游戏) 课程讲师：Shark 课程分类：.Net 适合人群：初级 课时数量：56课时 用到技术：UnrealScript、UDK动画系...

2014/06/13
48
0
ElasticSearch5.1 基本概念和配置

PeanutLike
2016/12/14
2.5K
1

2018/02/23
2.9K
0
TensorFlow 结合 Apache Spark--TensorFlowOnSpark

TensorFlowOnSpark 将 TensorFlow 带到 Apache Spark 集群上，由 Yahoo 开源。 TensorFlowOnSpark 为 Apache Hadoop 和 Apache Spark 集群带来可扩展的深度学习。 通过结合深入学习框架 Tens...

2017/02/14
2.5K
0

Java基础—List集合的概念及使用方法

Collection是最基本的集合接口，一个Collection代表一组Object，即Collection的元素（Elements）。一些Collection允许相同的元素而另一些不行。一些能排序而另一些不行。Java SDK不提供直接继...

afreon
2018/08/01
7
0
MP3 tag编辑器-puddletag

puddletag是一款Linux平台下开源的音频标签编辑器。遵守GPL v3开源协议。类似于Windows平台下的Mp3tag软件，表格的界面更适合批量修改音乐tag。支持从文件名里提取为tag信息，或者根据Tag信息...

osc_tnexgcb8
27分钟前
0
0
java实现淘宝模拟登陆

java实现淘宝模拟登陆 目录 java实现淘宝模拟登陆 一、前期准备 1. 工具 2. 下载浏览器驱动 3. 导入Maven依赖 二、具体代码 三、参考： 一、前期准备 1. 工具 IDE（笔者使用IDEA ) Maven 浏览...

osc_m53xdida
29分钟前
0
0
PHP+Redis链表解决高并发下商品超卖问题

osc_urkxdqms
30分钟前
9
0
Unity 用ml-agents机器学习造个游戏AI吧(2) (深度强化学习入门DEMO)

osc_wxsc35it
31分钟前
0
0