インポート:
(警告numpyのいくつかの)警告を無視すると言われているが、私は感覚を持っていないTF_CPP_MIN_LOG_LEVEL
TFのようなインポートtensorflow インポートOS はos.environ [ "TF_CPP_MIN_LOG_LEVEL"] = '3'
定数文字列操作:
ここで、セッションパラメータは、実行時に表示されることがあり回答するlog_device_placementが使用されているリソースのどの部分(CPU、GPU)
こんにちは= tf.constant( 'こんにちは') cfig = tf.ConfigProto(log_device_placement =真) のSES = tf.Session(設定= cfig) DSS = sess.run(ハロー) プリント(DSS) sess.close()
定数行列演算:
SES = tf.Session() A = tf.constant([1,2,3,4,5,6]、形状= [2,3]、NAME = '') = tf.constant([1 B、 2,3,4,5,6]、形状= [3,2]、NAME = 'B') C = tf.matmul(a、b)は、 XSS = sess.run(C) プリント(XSS) sess.close ()
一定の数のクランチング:
ことtf.add 本明細書 + bの形で使用される、名前が自動的に取得します
SES = tf.Session() A = tf.constant(1、NAME = 'TA') = tf.constant(2、NAME = 'TB')B #、C = A + B 、C = tf.add(B 、NAME = 'TC') のSES = tf.Session() XSS = sess.run(C) プリント(XSS)
保存Tensorboardマップ:
図は、対応する経路を提供し、プロセスに保存され、その後sess.graphセーブ、全て図通ります。
xsum = tf.summary.FileWriter( ""、sess.graph)
保存した後、オープンtensorboard:使用に、cmdのコマンドを入力します。オープンサービスを、[参照グラフアイテム
tensorboard --logdir = ""
tensorboard他の部分も、ヒストグラム、チャート、マップなどとして見ることができます。
変数を示すデフォルトtensorboardを取得します。
GG = tf.get_default_graph() OP1 = gg.get_operations() プリント(OP1) プリント(OP1 [1] .node_def)
元の情報前:(文字列定数を通るが、それほどのConstのレコードが存在することになるので)、行列演算の前に第1のマトリックスを介して情報OP [1] .node_def示すアップを行います
変数の計算:
変数の計算は、変数を初期化するためにtf.global_variables_initializer()を使用する必要があり、あるいはそれがエラーを報告することがあります。
X = tf.constant(1.0、NAME = '入力') W = tf.Variable(0.8、NAME = '体重') Y = tf.multiply(W、X、名前= '出力') のSES = tf.Session( ) sess.run(tf.global_variables_initializer()) ANS = sess.run(Y) xsum = tf.summary.FileWriter( ''、sess.graph) プリント(ANS) sess.close()
地図:
プレースホルダの操作が示しています。
変数は、入力データディクショナリ形式、結果定義し、それらをプリントアウトされた後。
X = tf.placeholder(tf.float32、NAME = 'X') Y = tf.placeholder(tf.float32、NAME = 'Y') Z = tf.add(X、Y、NAME = 'Z') SS = tf.Session() xsum = tf.summary.FileWriter( ''、ss.graph) XSS = ss.run(Z、feed_dict = {X 1、Y:2}) プリント(XSS)
地図:
評価は、文字列式を説明することができます
Dは、出力12であります
DSS = '10 + 2' D = evalの(DSS) D