import tensorflow as tf

常量的使用

# 定义常量
a = tf.constant(10)
b = tf.constant(20)

# 定义一种操作，建立一种关系
c = tf.add(a, b)

# 通过会话真正执行代码操作
with tf.Session() as sess:
ret = sess.run(c)
print(ret)

变量的使用

# 定义变量
c = tf.Variable([2])
d = tf.Variable([3])

e = tf.add(c, d)

# 获取已经默认的图，一个程序默认是一个图--之前设置好的关系图
g = tf.get_default_graph()
print(g)

# 初始化变量，才能使用
init = tf.global_variables_initializer()

# 这里才是真正的执行
with tf.Session() as sess:

# 执行定义的变量
sess.run(init)
ret = sess.run(e)
print(ret)

占位符-手动填充变量占位

# placeholder 占位符
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
add = tf.add(input1, input2)

# op操作嵌套
input4 = tf.multiply(input1, add)

with tf.Session() as sess:

# feed_dict 以字典形式给占位变量赋值
result = sess.run(input4, feed_dict={input1:[3], input2:[4]})
print(result)

assign 赋值操作

weight = tf.Variable([[2.0, 3.0, 4.0]])

# 设置w2的形状和weight一样 并同等赋值 如果不执行还是变量可更改
w2 = tf.Variable(weight.initialized_value())
w3 = tf.Variable(weight.initialized_value() * 0.2)

# assign(一个可变的tensor, 相同类型的tensor) 赋值操作
# 简单说：将w3的值 赋值给 同形状的w2
update = tf.assign(w2, w3)

init = tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)

# 查看w2是变量
print(w2)

w3 = sess.run(w3)
print(w3)

# 执行操作
sess.run(update)

w2 = sess.run(w2)
print(w2)