【Tensorflow】小白入门实战基础篇（上）,迅雷云播破解

文件名：【Tensorflow】小白入门实战基础篇（上）,迅雷云播破解 【Tensorflow】小白入门实战基础篇（上）

代码包含内容：创建张量、使用占位符和变量、矩阵计算

import tensorflow as tfimport numpy as np# 创建张量zeros = tf.zeros([3, 3])ones = np.ones([3, 3])# 创建变量ones_var = tf.Variable(ones)# 变量初始化sess = tf.Session() # 创建图会话init_op = tf.global_variables_initializer()# sess.run(ones_var.initializer)sess.run(init_op)print(sess.run(ones_var))# 变量用作算法的参数# 占位符是tensor对象表示输入输出数据的格式x = tf.placeholder(tf.float32, shape=[2,2])y = tf.identity(x) # 返回占位符传入的数据本身print(x)# 输出：Tensor("Placeholder:0", shape=(2, 2), dtype=float32)print(y)# 输出：Tensor("Identity:0", shape=(2, 2), dtype=float32)x_vals = np.random.rand(2, 2)print(x_vals)# x_vals的输出：# [[0.0516585 0.33338653]# [0.29599219 0.60122476]]sess.run(y, feed_dict={x: x_vals})print(sess.run(y, feed_dict={x: x_vals}))# 输出：# [[0.0516585 0.33338654]# [0.2959922 0.6012248 ]]# 如果是基于已经初始化的变量进行初始化，则必须按序进行初始化first_var = tf.Variable(zeros)sess.run(first_var.initializer)second_var = tf.Variable(tf.zeros_like(first_var))sess.run(second_var.initializer)# 矩阵计算# 创建矩阵a = tf.diag([1,1,1])print(sess.run(a)) # 对角矩阵b = tf.truncated_normal([3,3])print(sess.run(b)) # shape为(3,3)的正态分布随机数c = tf.fill([2,3],5.0)print(sess.run(c)) #全为5的2×3的矩阵d = tf.random_uniform([3,2])print(sess.run(d)) # 随机数e = tf.convert_to_tensor(np.array([[1,2,3],[4,5,6],[7,8,9]])) #np转张量print(sess.run(e))# 矩阵加减乘法print(sess.run(a+e))print(sess.run(b-b))print(sess.run(tf.matmul(c,d)))# 矩阵转置、求行列式、求逆print(sess.run(tf.transpose(c)))print(sess.run(tf.matrix_determinant(b)))print(sess.run(tf.matrix_inverse(b)))# 特征值和特征向量：第一行为特征值 后面几行为向量print(sess.run(tf.self_adjoint_eig(b)))