博文

目前显示的是 四月, 2017的博文

tensorflow python script examples

图片
Tensorflow中每个节点的每个输出被称为Tensor。 (Represents one of the outputs of an Operation.)
python中的tf.Tensor只是一个symbolic handle。
下面是tensorflow的一个简单的example
# Build a dataflow graph. c = tf.constant([[1.0, 2.0], [3.0, 4.0]]) d = tf.constant([[1.0, 1.0], [0.0, 1.0]]) e = tf.matmul(c, d) # Construct a `Session` to execute the graph. sess = tf.Session() # Execute the graph and store the value that `e` represents in `result`. result = sess.run(e) #clean up sess.close() 输出:
[[ 1. 3.]
[ 3. 7.]]
上面这段代码中,c,d,e,都是tf.Tensor类型,result是numpy.ndarray类型。矩阵运算是在sess.run()里面执行的。一个graph,就像是数据库里的预编译好的语句(prepared statement),而sess.run()就是执行这个statement。tf.matmul,tf.constant这些都是operation。
就像我们在执行SQL的时候可以塞参数进去一样,执行tensorflow的graph时也是如此。Tensorflow中把这个机制称为Feeding。
Feeding 下面是一个带参数的例子:
import tensorflow as tf # Build a dataflow graph. c = tf.constant([[1.0, 2.0], [3.0, 4.0]]) d = tf.constant([[1.0, 1.0], [0.0, 1.0]]) e = tf.matmul(c, d) # Construct a `Session` to execute the graph. sess = tf.Session() # Execute the…