Tensorflow 学习笔记 -----基础使用

tf.Variable:

TensorFlow中的变量特指深度学习机制中，控制输入到输出映射的可以变化的数据，这些变化数据随着训练迭代的进行，不断地改变数值，不断优化，使输出的结果越来越接近于正确的结果。

Variable() 构造器需要一个初始值，可以是任意类型和shape 的Tensor

初始值定义了变量的type和shape。构造完成之后，变量的type和shape 是固定的。可以使用assign 方法来修改变量的值。

如果你想修改变量的shape，你必须使用assign 操作，并且 validate_shape=False

所有操作承载的Tensor 类传递给variables. 所以你可以仅仅通过对变量执行算术来对图中添加节点。

代码：

import tensorflow as tf

state = tf.Variable(0, name='counter')
print(state.name)
one = tf.constant(1)

new_value = tf.add(state, one)
update = tf.assign(state, new_value)

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    for _ in range(3):
        sess.run(update)
        print(sess.run(state))

结果：

counter_2:0
1
2
3
 

占位符:用于传入外部数据。

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

返回类型：Tensor

TensorFlow中加载图片的维度为[batch, height, width, channels]

故placeholder的shape可写为[None, None, None, 3]

data = tf.placeholder(tf.float32, shape=[None, None, None, 3])

feed的数据以字典的形式传入
feed_dict = {data:images}

np:

matrix = numpy.array([  ])

matrix.sum(axis = 0)      #  1:各行求和   0：各列求和

np.random.randint(0,10,size=(4,3))


结果：[[5 1 4]
 [3 5 6]
 [6 8 8]
 [4 5 9]]