tensorflow 笔记

1. matMul

#-*-coding:utf-8 -*-


import tensorflow as tf
w1 = tf.Variable(tf.random_normal([2,3], stddev= 1, seed= 1))
w2 = tf.Variable(tf.random_normal([3,1], stddev= 1, seed= 1))

x = tf.constant([[0.7, 0.9]]) # 1×2
a = tf.matmul(x, w1) # 1×3
y = tf.matmul(a, w2) # 1×1

sess = tf.Session()

# w1 w2
sess.run(w1.initializer)
sess.run(w2.initializer)

sess.run(y)

print(y)

sess.close()

 

2. eval 函数 作用: 

1.eval(): 将字符串string对象转化为有效的表达式参与求值运算返回计算结果
2.eval()也是启动计算的一种方式。基于Tensorflow的基本原理，首先需要定义图，然后计算图，其中计算图的函数常见的有run()函数，如sess.run()。同样eval()也是此类函数，
3.要注意的是，eval()只能用于tf.Tensor类对象，也就是有输出的Operation。对于没有输出的Operation, 可以用.run()或者Session.run()；Session.run()没有这个限制。

import tensorflow as tf

x = tf.Variable(3, name="x")
y = tf.Variable(4, name="y")
z = tf.Variable(4, name="z")
w = tf.Variable(4, name="w")
f = x * y * z + 3 - w

//单个初始化，变量增多，还真是个事
with tf.Session() as sess:
    x.initializer.run()
    y.initializer.run()
    z.initializer.run()
    w.initializer.run()
    print(x)
    print(y)
    print(z)
    print(w)
   //f fuction eval 方式和js的eval一样，作为方法函数执行
    result = f.eval()
 print(result)