tensorflow的session学习
from __future__ import print_function import tensorflow as tf matrix1 = tf.constant([[3,3]]) matrix2 = tf.constant([[2], [2]]) pro = tf.matmul(matrix1,matrix2) #矩阵乘法 #方法1 sess = tf.Session() res = sess.run(pro) print(res) sess.close() #方法2 with tf.Session() as sess: result = sess.run(pro) print(result)
代码开头会加上from __future__ import *这样的语句。这样的做法的作用就是将新版本的特性引进当前版本中,也就是说我们可以在当前版本使用新版本的一些特性。
__future__模块还有很多其他功能:整数除法,with 用法,绝对引入(absolute_import):绝对引入主要是针对python2.4及之前的版本的,这些版本在引入某一个.py文件时,会首先从当前目录下查找是否有该文件。如果有,则优先引用当前包内的文件。而如果我们想引用python自带的.py文件时,则需要使用,
参考来自莫烦的tensorlfow教程,
一个很好的tf教程,很适合入门。but它的教程更偏向于tensorflow的实现过程,对于网络模型的底层的数学过程,他介绍的不是很多。但是,我个人觉得这个非常重要,对于一个网络的正向和方向的数据流的过程以及维度的变化,还是要有一个清楚的认识。要不然对机器学习的认识就变成一个黑盒了