凤7

导航

 

会话(session):会话拥有并管理Tensorflow程序运行时的所有资源,计算之后需关闭会话回收资源

 1 import tensorflow as tf
 2 
 3 #定义计算图
 4 tens=tf.constant([1,2,4])
 5 #创建一个会话
 6 sess=tf.Session()
 7 # 使用这个创建好的会话来得到关心的结果,如调用的sess.run(tens1),得到张量tensl的取值
 8 print(sess.run(tens))
 9 # 关闭会话使释放本次运行中使用的资源
10 sess.close()

 

2.

 1 import tensorflow as tf
 2 
 3 node1=tf.constant(3.0,tf.float32,name="node1")
 4 node2=tf.constant(4.0,tf.float32,name="node2")
 5 
 6 result=tf.add(node1,node2)
 7 #创建一个会话,通过Python的上下文管理器来管理
 8 with tf.Session() as sess:
 9     # 使用创建好的会话来计算结果
10     print(sess.run(result))
11 
12 # 不需要再调用sess.close()来关闭会话
13 #上下文退出时自动关闭

当python不生成默认对话,需要手动指定,可通过tf.Tensor.eval()计算值

 1 import tensorflow as tf
 2 import numpy as np
 3 
 4 node1=tf.constant(3.0,tf.float32,name="node1")
 5 node2=tf.constant(4.0,tf.float32,name="node2")
 6 
 7 result=tf.add(node1,node2)
 8 #当python不生成默认对话,需要手动指定,可通过tf.Tensor.eval()计算值
 9 sess=tf.Session()     #sess=tf.InteractiveSession()  print(result.eval())    sess.close() 等价
10 # with sess.as_default():
11 #     # 使用创建好的会话来计算结果
12 #     print(result.eval())
13 print(sess.run(result))
14 print(result.eval(session=sess))
15 # 不需要再调用sess.close()来关闭会话
16 #上下文退出时自动关闭x

 

 

变量:Variable

在运行过程中值会改变的单元,在Tensorflow中必须进行初始化操作创建语句:

name_variable=tf.Variable(value,name)

个别变量初始化:init_op=name_variable.initializer()

所有变量初始化:init_op=tf.global_variables_initializer()

        sess.run(init_op)  #调用会话run命令对参数进行初始化

计算1+2+...+10

 1 import tensorflow as tf
 2 
 3 x=tf.Variable(0)
 4 y=tf.Variable(0)
 5 t=tf.constant(1)
 6 
 7 new_x=tf.add(x,t)
 8 update_x=tf.assign(x,new_x)
 9 new_y=tf.add(y,x)
10 update_y=tf.assign(y,new_y)  #变量更新
11 
12 init=tf.global_variables_initializer()
13 
14 with tf.Session() as sess:
15     sess.run(init)
16     for i in range(10):
17         sess.run(update_x)
18     print(sess.run(update_y))

 

 

占位符:placeholder

在定义时并不知道其数值,只有当真正运行程序时,才由外部输入,如训练数据

tf.placeholder先定义一种数据,其参数为数据的Type和Shape

tf.placeholder(dtype,shape=None,name=None)

Feed提交数据:

placeholder占用的变量必须通过feed_dict参数传递进去

1 import tensorflow as tf
2 
3 a=tf.placeholder(tf.float32)
4 b=tf.placeholder(tf.float32)
5 c=tf.multiply(a,b)
6 
7 with tf.Session() as sess:
8     result=sess.run(c,feed_dict={a:0.5,b:8.0})
9     print(result)

 

posted on 2020-04-29 19:30  凤7  阅读(245)  评论(0编辑  收藏  举报