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