TensorFlow 学习（二） 张量和基本运算

tensor： 张量

operation:  专门运算的操作节点

graph:  整个程序的结构, 图

TensorBoard:  可视化学习

run() :  运算程序的图、会话

张量的阶：

•     0 阶： 标量（也叫纯量） 只有大小，没有方向。例子：s = 12
•     1 阶： 向量 有大小和方向。例子： v = [1,2,3] 
•     2 阶： 矩阵。 例子：  m = [[1,2],[2,3],[4,6]]
•     3 阶： 数据立体。 例子：   t = [[[1],[3]], [[3],[4]]]
•     n 阶： 自己想象。

1.  查看 TensorFlow 版本

   import tensorflow as tf
   tf.__version__

2.  加、减、乘、除 四则运算

   import tensorflow as tf
   
   # 创建常数张量
   a = tf.constant(3)
   b = tf.constant(4)
   
   # 加法
   add = tf.add(a, b)
   
   # 减法
   sub = tf.subtract(a, b)
   
   # 乘法
   mul = tf.multiply(a, b)
   
   # 除法
   div = tf.divide(a, b)
   
   # 运行会话
   with tf.Session() as sess:
       print(sess.run([add, sub, mul, div]))

3.  矩阵运算

   import tensorflow as tf
   
   # 初始化 2 阶张量 矩阵 a
   #  两行三列
   # [[1, 3, 5],
   #  [7, 9, 11]]
   a = tf.constant([1,3,5,7,9,11], shape = [2, 3])
   
   # 初始化 2 阶张量 矩阵 b
   #  两行三列
   # [[ 7,  8],
   #  [ 9, 10],
   #  [11, 12]]
   b = tf.constant([7,8,9,10,11,12], shape = [3, 2])
   
   # 矩阵a * 矩阵b
   # 得到 两行两列 矩阵 c
   # [[ 89  98]
   #  [251 278]]
   c = tf.matmul(a, b)
   
   # 运行会话
   with tf.Session() as sess:
       print(sess.run(c))