TensorFlow基本用法

# __author__ = 'youngkl'# -*- coding: utf-8 -*-import tensorflow as tf#1*2的矩阵mat1=tf.constant([[3.,3.]])#2*1的矩阵mat2=tf.constant([[2.],[3.]])ans=tf.matmul(mat1,mat2)#此时ans无法直接输出'''# 启动默认图# sess=tf.Session()## # 调用 sess 的 'run()' 方法来执行矩阵乘法 op, 传入 'ans' 作为该方法的参数.# # 上面提到, 'ans' 代表了矩阵乘法 op 的输出, 传入它是向方法表明, 我们希望取回# # 矩阵乘法 op 的输出.# # 函数调用 'run(ans)' 触发了图中三个 op (两个常量 op 和一个矩阵乘法 op) 的执行# res=sess.run(ans)## print res# # 任务完成, 关闭会话.# sess.close()'''# with tf.Session() as sess:#     res=sess.run([ans])#     print res'''# 使用初始化器 initializer op 的 run() 方法初始化 'x'sess1=tf.InteractiveSession()a=tf.Variable([1.,2.])b=tf.constant([2.,3.])# 增加一个减法 sub op, 从 'x' 减去 'a'. 运行减法 op, 输出结果a.initializer.run()sub=tf.sub(a,b)print sub.eval()''''''#创建一个变量 初始化为标量0state=tf.Variable(0,name="counter")# state=tf.Variable(0)#创建一个op 作用是使state+1one=tf.constant(1)new_val=tf.add(state,one)update=tf.assign(state,new_val)#启动图后 变量必须先经过'初始化'#首先必须添加一个'初始化'op到图中init_op=tf.initialize_all_variables()#启动图后 运行opwith tf.Session() as sess:    sess.run(init_op)    #打印state初始值    print sess.run(state)    #运行op 更新'state' 并打印state    for i in range(3):        sess.run(update)        print sess.run(state)#assign操作是图所描绘的表达式的一部分，调用run执行表达式之前 它并不会真正执行赋值操作''''''input1=tf.constant(3)input2=tf.constant(2)input3=tf.constant(5)inter=tf.add(input2,input3)mul=tf.mul(input1,inter)with tf.Session() as sess:    res=sess.run([mul,inter])    print res#[21, 7]#获取多个tensor的值''''''input1=tf.placeholder(tf.float32)input2=tf.placeholder(tf.float32)output=tf.mul(input1,input2)with tf.Session() as sess:    print sess.run([output],feed_dict={input1:[7.],input2:[2.]})#[array([ 14.], dtype=float32)]'''