TensorFlow基本操作及函数

来源：互联网发布：上海乐蜀网络编辑：程序博客网时间：2024/05/16 12:29

基本结构
placeholder和feed_dict
保存模型与读取模型trainSaver

基本结构

import tensorflow as tfa = tf.placeholder("float",[None,2]) # 占位符，"float"是64位的；tf.float32是32位的；b = tf.placeholder(tf.float32, [2,1 ])#任意行，20列的x。y = tf.matmul(a, b) #op节点；tf.matmul是点积，还有很多函数；sess = tf.Session()#建立会话print (sess.run(y, feed_dict={a: [[2,4],[4,1]],b:[[1],[2]]}))sess.close()sess1 = tf.InteractiveSession()#交互式的会话；print("\n",sess1.run(y, feed_dict={a: [[1,2]],b:[[1],[2.]]}))print("\n",y.eval(feed_dict={a: [[2,4],[4,1]],b:[[1],[2]]}))sess1.close()'''output:[[ 10.] [  6.]] [[ 5.]] [[ 10.] [  6.]]'''

.placeholder()和feed_dict()

tf.placeholder(dtype,shape=None,name=None)tf.Session.run(fetches, feed_dict=None, options=None, run=metadate=None)'''dtype是必须指定的数据格式，shape和name可以为空；当计算时，需要feed给它这个占位符的值；feed_dict就是一个赋值字典；'''a=tf.placeholder('float')b=tf.placeholder('float')c=tf.multiply(a,b)#以前是mul(),后来更新成multiply()了；with tf.Session() as sess:    print(sess.run(c,feed_dict={a:2,b:3}))'''可以给非占位符的张量赋值，只要它是feedable的；'''tf.Graph.is_feedable(tensor)#判断它是不是feedable

保存模型与读取模型.train.Saver()

#保存saver = tf.train.Saver()saver.save(sess,"Model/model.ckpt")#读取#还是和训练前一样先定义完所有变量后：saver = tf.train.Saver()saver.restore(sess, "./Model/model.ckpt")#直接加载持久化的图，不需要先定义模型中保存的变量；saver = tf.train.import_meta_graph("Model/model.ckpt.meta")saver.restore(sess, "./Model/model.ckpt")#加载模型时给变量更名；#先定义好想更改的名字变量：saver = tf.train.Saver({"v1": u1, "v2": u2})  saver.restore(sess, "./Model/model.ckpt")  #获取保存的模型中的变量ema = tf.train.ExponentialMovingAverage(0.99)print(ema.variables_to_restore())

阅读全文

0 0