TensorFlow简介

---

是一个基于计算图的深度学习库，具有更广泛的应用领域、良好的多语言支持、部署性能等优点，时现今最广泛使用的深度学习框架。

计算图Session Tensor

---

1 import tensorflow as tf
2 a = tf.constant(32)
3 b = tf.constant(10) //定义了两个tensorflow下的数a和b，称为tensor
4 c = tf.add(a,b) //加法
5 print(a)
6 print(b)
7 print(c)

很多时候数据是用numpy给出的，可以通tf.convert_to_tensor(数据名，dtype=数据类型（可选）)将其转化为tensor数据类型

tensorflow将tensor作为节点保存，没有具体的值，开启session即可显示

一维直接写个数
二维用[行，列]
多维用[m,j,k…]

1 tf.compat.v1.disable_eager_execution()
2 sess= tf.compat.v1.Session()
3 //开启session
4 print(sess.run(a))
5 print(sess.run([a,b]))
6 print(sess.run([a,b,c]))
7 sess.close()

1 #将上面产生的结果保存在一个变量中
2 py_a=sess.run(a) //py为一个正常的数值
3 print(type(py_a))
4 py_r=sess.run([a,b,c])
5 print(type(py_r))
6 print(py_r[0],py_r[1],py_r[2])
7 sess.close() //关闭session

tensor可以有各种各样的类型，如字符串、布尔值、列表、浮点型等

tensorflow矩阵及运算

---

1 import tensorflow as tf
2 tf.compat.v1.disable_eager_execution()
3 sess= tf.compat.v1.Session()
4 #从4维向量生成（2,2）的矩阵
5 mat_a=tf.constant([1,2,3,4])
6 mat_a=tf.reshape(mat_a,(2,2))
7 print('mat_a：\n',sess.run(mat_a))
8
9 #生成2*3的矩阵
10 mat_b=tf.constant([1,3,5,7,9,11])
11 mat_b=tf.reshape(mat_b,(2,3))
12 print('mat_b：\n',sess.run(mat_b))
13
14 #矩阵乘法
15 mat_c=tf.matmul(mat_a,mat_b)
16 print('mat_c：\n',sess.run(mat_c))

生成随机数

---

• 生成正态分布的随机数，默认均值为0，标准差为1

  tf.random.normal(维度,mean=均值,stddev=标准差)

• 生成截断式正态分布的随机数

  tf.random.truncated_normal(维度,mean=均值,stddev=标准差)

1 import tensorflow as tf
2 tf.compat.v1.disable_eager_execution()
3 sess= tf.compat.v1.Session()
4 d=tf.random.normal([2,2],mean=0.5,stddev=1)
5 print(d)
6 e=tf.random.truncated_normal([2,2],mean=0.5,stddev=1)
7 print(e)
8 f=tf.random.uniform([2,2],minval=0,maxval=1)
9 print(f)