import tensorflow as tf #Fetch概念 在session中同时运行多个op input1=tf.constant(3.0) #constant()是常量不用进行init初始化 input2=tf.constant(2.0) input3=tf.constant(5.0) add=tf.add(input2, input3) mul=tf.multiply(input1,add) with tf.Session() as sess: result=sess.run([mul,add]) #这里的[]就是Fetch操作 print(result) #Feed #创建占位符 input1=tf.placeholder(tf.float32) input2=tf.placeholder(tf.float32) #定义乘法op,op被调用时可通过Feed的方式将input1、input2传入 output=tf.multiply(input1,input2) with tf.Session() as sess: #feed的数据以字典的形式传入 print(sess.run(output,feed_dict={input1:[7.],input2:[2.]}))
目录:
- tensorflow简介、目录
- tensorflow中的图(02-1)
- tensorflow变量的使用(02-2)
- tensorflow中的Fetch、Feed(02-3)
- tensorflow版helloworld---拟合线性函数的k和b(02-4)
- tensorflow非线性回归(03-1)
- MNIST手写数字分类simple版(03-2)
- 二次代价函数、交叉熵(cross-entropy)、对数似然代价函数(log-likelihood cost)(04-1)
- 多层网络通过防止过拟合,增加模型的准确率(04-2)
- 修改优化器进一步提升准确率(04-3)
- 手写数字识别-卷积神经网络cnn(06-2)
- 循环神经网络rnn与长短时记忆神经网络简述(07-2)
- 循环神经网络lstm代码实现(07-3)
- tensorflow模型保存和使用08
- 下载inception v3 google训练好的模型并解压08-3
- 使用inception v3做各种图像分类识别08-4
- word2vec模型训练简单案例
- word2vec+textcnn文本分类简述及代码