Tensorflow基础 Tensorflow基本操作（三）

张量数学计算

 矩阵乘法说明

数学计算实例

# 张量的数学计算示例
 
import tensorflow as tf
 
x = tf.constant([[1, 2], [3, 4]], dtype=tf.float32)
y = tf.constant([[4, 3], [3, 2]], dtype=tf.float32)
 
x_add_y = tf.add(x, y)  # 张量相加
x_mul_y = tf.matmul(x, y)  # 矩阵相乘(按照矩阵相乘的规则)
log_x = tf.log(x)  # 求对数
x_sum_1 = tf.reduce_sum(x, axis=[1])  # 1-行方向,0-列方向
 
# 张量计算片段和
data = tf.constant([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], dtype=tf.float32)
segment_ids = tf.constant([0, 0, 0, 1, 1, 2, 2, 2, 2, 2], dtype=tf.int32)
# 三个连续的0就求前3位，两个连续的1，就求第四位和第五位
x_seg_sum = tf.segment_sum(data, segment_ids)
 
with tf.Session() as sess:
    print(x_add_y.eval())
    print(x_mul_y.eval())
    print(log_x.eval())
    print(x_sum_1.eval())
    print(x_seg_sum.eval())

 

  变量

 持久化：将数据能够保存在文件当中，磁盘当中

张量只用来计算，不能保存

变量使用实例

执行张量

# 变量使用示例
 
'''
1.变量是一种特殊的张量,变量中存的值是张量
2.变量可以进行持久化保存,张量则不可以
3.变量使用之前,要进行显示初始化
'''
import tensorflow as tf
 
a = tf.constant([1, 2, 3, 4])
 
# 执行张量
with tf.Session() as sess:
    print(sess.run(a))

# 变量使用示例
 
'''
1.变量是一种特殊的张量,变量中存的值是张量
2.变量可以进行持久化保存,张量则不可以
3.变量使用之前,要进行显示初始化
'''
import tensorflow as tf
 
a = tf.constant([1, 2, 3, 4])
# 产生一个满足正态分布的随机值
var = tf.Variable(tf.random_normal([2, 3],
                                   mean=0.0,  # 均值为0.0
                                   stddev=1.0),  # 标准差1.0
                  name="var")  # 这个name是在tensorflow这个平台上运行的，是op操作的名称
# 变量操作执行之前，需要进行全局初始化(初始化也是一个op,需要在session的run方法中执行)
init_op = tf.global_variables_initializer()
 
# 执行张量
with tf.Session() as sess:
    sess.run(init_op)
    print(sess.run([a, var]))