TensorFlow学习笔记2——数据类型及简单运算

2022-12-05 19:09:06

0. 小试牛刀

首先，激活tensorflow环境（ source activate tensorflow ），随后在ipython里：

 import tensorflow as tf
 sess = tf.Session()

创建常量格式如下：

 tf.constant(value, dtype=None, shape=None, name='Const', verify_shape=False)

例1：

 node1 = tf.constant(3.0, dtype=tf.float32)
 node2 = tf.constant(4.0)
 print(sess.run([node1, node2]))

输出：

[3.0, 4.0]

例2：

 a = tf.constant([2, 2], name="vector")
 print(sess.run(a))

输出：

[2 2]

拓展：http://web.stanford.edu/class/cs20si/lectures/notes_02.pdf

1. 张量（Tensor）

1.1 基本概念

在TensorFlow里，张量这种数据类型用来表示一切数据，我们可以把它看成n维数组或列表。我们通常用Ranks, Shapes, and Types来描述张量。

(a) Ranks

Ranks用来表示张量的维度。

(b) Shape

Shape也用来表示维度，下表展示了Shape和Rank的联系。

(c) Data types

1.2 常量 (Constants)

0. 小试牛刀里便是创建常量形式的张量，这个比较简单，就参见本文的第0节吧！如果想了解更多，就请点击第0节拓展里的链接。

1.3 变量 (Variables)

变量这个就有点小小复杂了。。。。

Anyway，Let's go！！！

1.3.1 创建

 # Create two variables.
 weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),
                       name="weights")
 biases = tf.Variable(tf.zeros([200]), name="biases")

创建张量时需要指明张量的Shape，当然，TensorFlow存在更改Shape的机制（这个嘛，以后再聊）

仅仅是创建完还不行哦，还需要初始化！

1.3.2 初始化

初始化的命令为： tf.global_variables_initializer()

 # Create two variables.
 weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),
                       name="weights")
 biases = tf.Variable(tf.zeros([200]), name="biases")
 ...
 # Add an op to initialize the variables.
 init_op = tf.global_variables_initializer()

 # Later, when launching the model
 with tf.Session() as sess:
   # Run the init operation.
   sess.run(init_op)
   ...
   # Use the model
   ...

你有时候会需要用另一个变量的初始化值给当前变量初始化。由于 tf.initialize_all_variables() 是并行地初始化所有变量,所以在有这种需求的情况下需要小心。
用其它变量的值初始化一个新的变量时,可以使用其它变量的 initialized_value() 属性。你可以直接把已初始化的值作为新变量的初始值,或者把它当做 tensor 计算得到一个值赋予新变量。

 # Create a variable with a random value.
 weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),
                       name="weights")
 # Create another variable with the same value as 'weights'.
 w2 = tf.Variable(weights.initialized_value(), name="w2")
 # Create another variable with twice the value of 'weights'
 w_twice = tf.Variable(weights.initialized_value() * 2.0, name="w_twice")

2. 简单数学运算

 a = tf.constant([3, 6])
 b = tf.constant([2, 2])
 tf.add(a, b) # >> [5 8]
 tf.add_n([a, b, b]) # >> [7 10]. Equivalent to a + b + b
 tf.mul(a, b) # >> [6 12] because mul is element wise
 tf.matmul(a, b) # >> ValueError
 tf.matmul(tf.reshape(a, shape=[1, 2]), tf.reshape(b, shape=[2, 1])) # >> [[18]]
 tf.div(a, b) # >> [1 3]
 tf.mod(a, b) # >> [1 0]

码农公寓