tf.matmul / tf.multiply

import tensorflow as tf
import numpy as np

 

1.tf.placeholder

  placeholder()函数是在神经网络构建graph的时候在模型中的占位，此时并没有把要输入的数据传入模型，它只会分配必要的内存。

  等建立session，在会话中，运行模型的时候通过feed_dict()函数向占位符喂入数据。

2.tf.session

1.tf.multiply 点乘

      input1 = tf.placeholder(tf.float32)

      input2 = tf.placeholder(tf.float32)

      output = tf.multiply(input1, input2)

     with tf.Session() as sess:
     print(sess.run(output, feed_dict = {input1:[3.], input2: [4.]}))  --[12.]

 

2.tf.matmul 矩阵相乘

   x = tf.placeholder(tf.float32, shape=(3, 3))
   y = tf.matmul(x, x)

  with tf.Session() as sess:
  #print(sess.run(y)) # ERROR:此处x还没有赋值
  rand_array = np.random.rand(3, 3)
  print("rand_array",rand_array)
  print(sess.run(y, feed_dict={x: rand_array}))