TensorFlow笔记-03-张量,计算图,会话

• 搭建你的第一个神经网络，总结搭建八股
• 基于TensorFlow的NN：用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型
• 张量（tensor）：多维数组（列表）
• 阶：张量的维数

·· 维 数 ···· 阶 ········· 名 字 ········· 例 子 ············
·· 0-D ······ 0 ····· 标量 scalar ···· s=1 2 3
·· 1-D ······ 0 ····· 向量 vector ···· s=[1,2,3]
·· 2-D ······ 0 ····· 矩阵 matrix ···· s=[ [1,2,3], [4,5,6],[7,8,9] ]
·· n-D ······ 0 ····· 标量 tensor ···· s=[[[[[....n个

• 张量可以表示0阶到n阶的数组（列表）
• 代码tf02文件：https://xpwi.github.io/py/TensorFlow/tf02.py

# 两个张量的加法
import  tensorflow as tf

a = tf.constant([1.0, 2.0])
b = tf.constant([3.0, 4.0])

result = a+b
print(result)

运行结果：

• 结果分析：
  
• 计算图（Graph）：搭建神经网络的计算过程，只搭建，不运算
• 代码tf03文件：https://xpwi.github.io/py/TensorFlow/tf03.py

# 两个张量的加法
import  tensorflow as tf

# x 是一个一行两列的张量
x = tf.constant([[1.0, 2.0]])
# x 是一个两行一列的张量
w = tf.constant([[3.0], [4.0]])

'''
构建计算图，但不运算
y = XW
 = x1*w1 + x2*w2
'''
# 矩阵相乘
y = tf.matmul(x, w)
print(y)

运行结果

Tensor("MatMul:0", shape=(1, 1), dtype=float32)

• 会话（Session）：执行计算图中的结点运算
• 代码04文件：https://xpwi.github.io/py/TensorFlow/tf04.py

# 两个张量的加法
import  tensorflow as tf

# x 是一个一行两列的张量
x = tf.constant([[1.0, 2.0]])
# x 是一个两行一列的张量
w = tf.constant([[3.0], [4.0]])

'''
构建计算图，但不运算
y = XW
 = x1*w1 + x2*w2
'''
# 矩阵相乘
y = tf.matmul(x, w)
print(y)

# 会话：执行节点运算
with tf.Session() as sess:
    print(sess.run(y))

运行结果

y = 1.03.0 + 2.04.0 = 11

更多文章：Tensorflow 笔记

• 本笔记不允许任何个人和组织转载

TensorFlow笔记-03-张量,计算图,会话

原文：https://www.cnblogs.com/xpwi/p/9609076.html