TensorFlow中常量與變數的基本操作演示
TensorFlow中常量與變數的基本操作演示
本文將介紹TensorFlow中的基本演算法運算與矩陣運算，介紹Tensorflow中常量、變數、操作符等基本運算單元概念，同時會輔助介紹會話與變數初始化等概念。谷歌使用tensorflow來命名它的深度學習框架，可以說是十分貼切的，可以分為兩個單詞解釋tensorflow分別為tensor與flow。tensor意思翻譯為中文張量，但是到底什麼才是張量，tensorflow官方對此的解釋是：
tensor表示N維的數組，向量就是一維張量、矩陣就是二維張量，其它請看下圖：
flow表示數據節點流圖，典型結構如下：
上述圖中我們可以看到那些圓角矩形表示變數-Var，那些橢圓表示操作-OP，此外tensorflow還經常用的常量、運行數據流圖需要開啟會話。下面我們就一一對tensorflow最基本元素進行說明：
常量
tensorflow中常量函數是出鏡率最高的函數，也是初學者最初接觸到函數之一，常量函數的定義如下：
舉例，定義兩個常量OP的代碼如下：
2.變數
tensorflow中變數函數是最基礎函數之一，使用頻率也是非常高，變數函數定義如下：
舉例，定義兩個隨機變數OP的代碼如下：
3.操作符
通常我們把常量、變數、以及其他操作數都稱為OP，假設我們對上述定義的兩個常量與一個變數相加計算和就可以用如下的代碼實現
其中tf.add就是操作符，其它更多的操作符可以參考API說明即可。
4.會話
當我們完成上面的簡單代碼編寫之後，我們要運行這個數據流圖，首先必須初始化一個會話，可以通過tf.Session()得到返回會話對象，然後在會話中執行最終的節點操作數，整個數據流圖就完成計算，完整的代碼實現如下：
上述代碼執行時候，首先完成對變數的全局初始化，然後才是執行相關操作數，輸出並列印結果82.0。 對於多個常量的情況，一樣可以完成計算，代碼演示如下：
最重要的千萬別忘記import tensorflow as tf對於變數是多維的情況，我們一樣可以計算，下面的代碼就是生成兩個二維變數，然後使用矩陣乘法計算結果，代碼如下：
上述內容主要是演示了tensorflow中的常量、變數、會話、初始化變數等一些基本元素的基本操作，後續我們還會繼續更新文章！請關注！
TAG:OpenCV學堂 |