本文通过代码记录一些 tensorflow 的基础语法。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
#coding:utf8
import tensorflow as tf

a = tf.constant([1,2],name="a1")
b = tf.constant([3,4],name="b1")
res = a + b
with tf.Session() as sess:
    c = sess.run(res)
    print(res.get_shape())  # 获取张量的形状 (2,)
    print(sess.run(a))   # [1 2]
    print(a)    #Tensor("a1:0", shape=(2,), dtype=int32)

    # tf.Variable的作用就是保存和更新神经网络中的参数

    # 　声明一个２*３的矩阵,均值为０,标准差为２.　　random_normal()　正太分布
    weight_matrix = tf.Variable(tf.random_normal([2, 3], stddev=2))

    w1 = tf.Variable([[1.0, 2.0, 3.0], [10.0, 20.0, 30.0]])
    zeros = tf.Variable(tf.zeros([2, 3], tf.int32))  # 产生全0的数组
    ones = tf.Variable(tf.ones([2,3],tf.int32))   # 产生全１的数组
    array_define = tf.Variable(tf.constant([1, 2])) # 产生一个全部为给定数字的数据
    constant = tf.Variable(tf.constant([1,2,3]))    # 产生一个给定值的常量

    bias = tf.Variable(tf.zeros([3]))
    w2 = tf.Variable(w1.initialized_value())    # 其它变量的值初始化新的变量
    W3 = tf.Variable(w1.initialized_value() * 2.0)

    # 正态分布,但如果随机出来的值偏离平均值超过２个标准差，那么这个数将被重新随机
    w4 = tf.Variable(tf.truncated_normal([2,3],stddev=1))
    w5 = tf.Variable(tf.random_uniform([2,3],minval=0,maxval=2))  # 　均匀分布
    w6 = tf.Variable(tf.random_gamma([2,3],1))     # gamma分布

    # 初始化所有变量
    init_op = tf.global_variables_initializer()
    sess.run(init_op)

    # 打印变量
    print("输出 2*3 权重矩阵")
    print(sess.run(weight_matrix))
    print("w1")
    print(sess.run(w1))
    print("zero")
    print(sess.run(zeros))
    print("ones")
    print(sess.run(ones))
    print("array_define")
    print(sess.run(array_define))
    print("constant")
    print(sess.run(constant))
    print("bias")
    print(sess.run(bias))

    print(sess.run(w4))
    print(sess.run(w5))
    print(sess.run(w6))

    # 前向传播的实现
    w1 = tf.Variable(tf.random_normal((2,3), stddev=1, seed=1))
    w2 = tf.Variable(tf.random_normal((3,1), stddev=1, seed=1))

    # 注意, 此处声明的ｘ是一个 1*2 的矩阵常量
    x = tf.constant([[1.0,2.0]])
    a = tf.matmul(x,w1)
    y = tf.matmul(a,w2)

    init_op = tf.global_variables_initializer()
    sess.run(init_op)
    print("y:")
    print(sess.run(y))

    # placeholder　占位符
    x1 = tf.placeholder(tf.float32,shape=(3,2),name="input")
    a = tf.matmul(x1,w1)
    y1 = tf.matmul(a,w2)
    print("y1")
    print(sess.run(y1,feed_dict={x1:[[1,2],[2,3],[3,4]]}))