基础运算.md

1.导入库

import tensorflow as tf

基础常量运算，构造函数（sess.run()函数）返回的值表示常量运算的输出

a = tf.constant(2)
b = tf.constant(3)

启动默认图

with tf.Session() as sess:
	print('a:%i ,b:%i' % (sess.run(a), sess.run(b))
	print('常量加法:%i' % sess.run(a+b))
    print('常量乘法:%i' % sess.run(a*b))

基础操作，变量为图形输入，构造函数（sess.run()函数）的返回值表示变量的运算输出

a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)

定义一些运算

add = tf.add(a, b)
mul = tf.multiply(a, b)

启动默认图

with tf.Session() as sess:
	print('变量加法:%i') % sess.run(add, feed_dict={a:2, b:1})
	print('变量乘法:%i') % sess.run(mul, feed_dict={a:2, b:1})

创建一个生成一个1x2常量矩阵，操作是作为节点添加到默认的图上

matrix1 = tf.constant([[3., 3.]])

创建另一个2x1的矩阵

matrix2 = tf.constant([[2.], [2.]])

创建一个乘法运算，将matrix1和matrix2作为输入，prodect的返回值表示变量的运算输出

product = tf.matmul(matrix1， matrix2)

要运行matmul，我们要调用sess的run方法，传递product表示matmul的输出，这表明了sess想要获得matmul的输出

运算需要的所有输入都由sess自动运行，他们通常并行运行。

调用run(product)因此导致三个运算的执行：两个常量和一个矩阵相乘

操作的输出在result中作为numpy ndarray对象返回

with tf.Session() as sess：
	result = sess.run(product)
	print(result)