tensorflow零起点快速入门(1)

导入：

其中的TF_CPP_MIN_LOG_LEVEL据说是为了忽略警告，但是我这里没有意义（numpy的一些警告）

import tensorflow as tf

import os

os.environ["TF_CPP_MIN_LOG_LEVEL"]='3'

常量字符串运算：

其中，log_device_placement参数配置到回话Session中，可以在运行时显示使用的是哪部分的资源（CPU，gpu）

hello=tf.constant('Hello')

cfig=tf.ConfigProto(log_device_placement=True)

sess=tf.Session(config=cfig)

dss=sess.run(hello)

print(dss)

sess.close()

常量矩阵运算：

sess=tf.Session()

a=tf.constant([1,2,3,4,5,6],shape=[2,3],name='a')

b=tf.constant([1,2,3,4,5,6],shape=[3,2],name='b')

c=tf.matmul(a,b)

xss=sess.run(c)

print(xss)

sess.close()

常量数字运算：

tf.add可以这里使用a+b的形式，name自动取得

sess=tf.Session()

a=tf.constant(1,name='ta')

b=tf.constant(2,name='tb')

#c=a+b

c=tf.add(a,b,name='tc')

sess=tf.Session()

xss=sess.run(c)

print(xss)

保存Tensorboard图：

保存图的过程中，提供相应的路径，然后保存sess.graph，是所有运行过的图。

xsum=tf.summary.FileWriter(".",sess.graph)

保存后，打开tensorboard：使用类型cmd命令：打开服务，然后浏览graph项

tensorboard --logdir="."

tensorboard还可以看到其它如直方图，结构图，分布图等部分。

获取默认tensorboard图，显示变量：

gg=tf.get_default_graph()

op1=gg.get_operations()

print(op1)

print(op1[1].node_def)

原始信息：（因为之前有一个字符串常量运行过，所以这里会记录第一个是Const）之前进行过矩阵运算，第一个a为矩阵，其信息则通过op[1].node_def显示出来了

变量计算：

变量计算需要使用tf.global_variables_initializer()进行初始化变量，否则可能报错。

x=tf.constant(1.0,name='input')

w=tf.Variable(0.8,name='weight')

y=tf.multiply(w,x,name='output')

sess=tf.Session()

sess.run(tf.global_variables_initializer())

ans=sess.run(y)

xsum=tf.summary.FileWriter('.',sess.graph)

print(ans)

sess.close()

对应图：

占位符运算演示：

定义好变量后，通过字典格式输入数据，获取结果并打印出来。

x=tf.placeholder(tf.float32,name='x')

y=tf.placeholder(tf.float32,name='y')

z=tf.add(x,y,name='z')

ss=tf.Session()

xsum=tf.summary.FileWriter('.',ss.graph)

xss=ss.run(z,feed_dict={x:1,y:2})

print(xss)