代碼包含內容：創建張量、使用占位符和變量、矩陣計算

import tensorflow as tf import numpy as np# 創建張量 zeros = tf.zeros([3, 3]) ones = np.ones([3, 3])# 創建變量 ones_var = tf.Variable(ones) # 變量初始化 sess = tf.Session() # 創建圖會話 init_op = tf.global_variables_initializer() # sess.run(ones_var.initializer) sess.run(init_op) print(sess.run(ones_var))# 變量用作算法的參數 # 占位符是tensor對象表示輸入輸出數據的格式 x = tf.placeholder(tf.float32, shape=[2,2]) y = tf.identity(x) # 返回占位符傳入的數據本身 print(x) # 輸出：Tensor("Placeholder:0", shape=(2, 2), dtype=float32) print(y) # 輸出：Tensor("Identity:0", shape=(2, 2), dtype=float32) x_vals = np.random.rand(2, 2) print(x_vals) # x_vals的輸出： # [[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})) # 輸出： # [[0.0516585 0.33338654] # [0.2959922 0.6012248 ]]# 如果是基于已經初始化的變量進行初始化，則必須按序進行初始化 first_var = tf.Variable(zeros) sess.run(first_var.initializer) second_var = tf.Variable(tf.zeros_like(first_var)) sess.run(second_var.initializer)# 矩陣計算 # 創建矩陣 a = tf.diag([1,1,1]) print(sess.run(a)) # 對角矩陣 b = tf.truncated_normal([3,3]) print(sess.run(b)) # shape為(3,3)的正態分布隨機數 c = tf.fill([2,3],5.0) print(sess.run(c)) #全為5的2×3的矩陣 d = tf.random_uniform([3,2]) print(sess.run(d)) # 隨機數 e = tf.convert_to_tensor(np.array([[1,2,3],[4,5,6],[7,8,9]])) #np轉張量 print(sess.run(e)) # 矩陣加減乘法 print(sess.run(a+e)) print(sess.run(b-b)) print(sess.run(tf.matmul(c,d))) # 矩陣轉置、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：第一行為特征值 后面幾行為向量 print(sess.run(tf.self_adjoint_eig(b)))

總結

以上是生活随笔為你收集整理的【Tensorflow】小白入门实战基础篇（上）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。