创造并运行数据
创造了-3到3的32条数据，然后通过sess.run获取并显示输出数据。
x=tf.linspace(-3.0,3.0,32) print(x) sess=tf.Session() result=sess.run(x) print(result)
运行数据的另一种方法是使用eval()，括号里面添加session部分，否则失效报错：
（xsum=tf.summary.FileWriter(".",sess.graph)只是一条额外的语句用于保存图）
xsum=tf.summary.FileWriter(".",sess.graph)
xss=x.eval(session=sess)
print(xss)
sess.close()
运行数据的另一种方式
使用互动会话模式可以在eval中，不用添加session参数而运行。
另外可阅读：https://blog.csdn.net/jiaoyangwm/article/details/79248535
sess=tf.InteractiveSession() xss=x.eval() print(xss)
使用tensorflow定义函数表达式
延续之前的代码，这里定义了函数：
参阅网址：https://baijiahao.baidu.com/s?id=1621087027738177317&wfr=spider&for=pc
segma=1.0
mean=0.0
z=tf.exp(tf.negative(tf.pow(x-mean,2)/(2*tf.pow(segma,2.0))))*
(1/segma*tf.sqrt(2*3.14159))
print(z)
print(z.eval())
通过z.eval()即可直接输出显示
通过断言获取默认图
assert z.graph is tf.get_default_graph() print(z.graph)
tensorflow中的数据获取形状，和转化列表
zdat=z.get_shape() print(zdat) zlst=z.get_shape().as_list() print(zlst)
zdat=tf.shape(z).eval() print(zdat)
合并计算张量数据
zdat=tf.stack([tf.shape(z),tf.shape(z),[3],[4]]).eval() print(zdat)
矩阵乘法举例求图
import matplotlib.pyplot as plt
z_2d=tf.matmul(tf.reshape(z,[32,1]),tf.reshape(z,[1,32])) print(z_2d) z_2dx=z_2d.eval() print(z_2dx) plt.imshow(z_2dx) plt.show()
再求一张图
x=tf.reshape(tf.sin(tf.linspace(-3.0,3.0,32)),[32,1]) y=tf.reshape(tf.ones_like(x),[1,32]) z=tf.multiply(tf.matmul(x,y),z_2d) z_gabor=z.eval() plt.imshow(z_gabor) plt.show()
观察数据，操作
print(y.eval())
ops=tf.get_default_graph().get_operations() print([op.name for op in ops])
最终
文档