1. matMul
#-*-coding:utf-8 -*-
import tensorflow as tf w1 = tf.Variable(tf.random_normal([2,3], stddev= 1, seed= 1)) w2 = tf.Variable(tf.random_normal([3,1], stddev= 1, seed= 1)) x = tf.constant([[0.7, 0.9]]) # 1×2 a = tf.matmul(x, w1) # 1×3 y = tf.matmul(a, w2) # 1×1 sess = tf.Session() # w1 w2 sess.run(w1.initializer) sess.run(w2.initializer) sess.run(y) print(y) sess.close()
2. eval 函数 作用:
1.eval(): 将字符串string对象转化为有效的表达式参与求值运算返回计算结果
2.eval()也是启动计算的一种方式。基于Tensorflow的基本原理，首先需要定义图，然后计算图，其中计算图的函数常见的有run()函数，如sess.run()。同样eval()也是此类函数，
3.要注意的是，eval()只能用于tf.Tensor类对象，也就是有输出的Operation。对于没有输出的Operation, 可以用.run()或者Session.run()；Session.run()没有这个限制。
import tensorflow as tf x = tf.Variable(3, name="x") y = tf.Variable(4, name="y") z = tf.Variable(4, name="z") w = tf.Variable(4, name="w") f = x * y * z + 3 - w //单个初始化，变量增多，还真是个事 with tf.Session() as sess: x.initializer.run() y.initializer.run() z.initializer.run() w.initializer.run() print(x) print(y) print(z) print(w) //f fuction eval 方式和js的eval一样，作为方法函数执行 result = f.eval() print(result)
原文：https://www.cnblogs.com/luoyinjie/p/10875569.html