TensorFlow機器學習實戰指南之第二章
阿新 • • 發佈:2019-04-28
for eat multiply float 學習 占位符 創建 graph 矩陣乘法 結果矩陣仍然為3×1。最後,加上一個3×1的矩陣,示例如下:
一、計算圖中的操作
在這個例子中,我們將結合前面所學的知識,傳入一個列表到計算圖中的操作,並打印返回值:
聲明張量和占位符。這裏,創建一個numpy數組,傳入計算圖操作:
import tensorflow as tf import numpy as np # Create graph sess = tf.Session() # Create data to feed in x_vals = np.array([1., 3., 5., 7., 9.]) x_data = tf.placeholder(tf.float32) m = tf.constant(3.)# Multiplication prod = tf.multiply(x_data, m) for x_val in x_vals: print(sess.run(prod, feed_dict={x_data: x_val}))
輸出:
3.0 9.0 15.0 21.0 27.0
在下面這個例子中,我們將學習如何在同一個計算圖中進行多個乘法操作。
下面我們將用兩個矩陣乘以占位符,然後做加法。傳入兩個矩陣(三維numpy數組):
我們將傳入兩個形狀為3×5的numpy數組,然後
每個矩陣乘以常量矩陣(形狀為:5×1),將返回一個形狀為3×1的矩陣。緊接著再乘以1×1的矩陣,返回的
1.首先,創建數據和占位符:
# Create graph sess = tf.Session() # Create data to feed in my_array = np.array([[1., 3., 5., 7., 9.], [-2., 0., 2., 4., 6.], [-6., -3., 0., 3., 6.]]) x_vals = np.array([my_array, my_array + 1]) x_data= tf.placeholder(tf.float32, shape=(3, 5))
2.接著,創建矩陣乘法和加法中要用到的常量矩陣:
m1 = tf.constant([[1.],[0.],[-1.],[2.],[4.]]) m2 = tf.constant([[2.]]) a1 = tf.constant([[10.]])
TensorFlow機器學習實戰指南之第二章