import tensorflow as tf
data1 = tf.placeholder(tf.float32) #定义placeholder及数据类型
data2 = tf.placeholder(tf.float32)
dataAdd = tf.add(data1, data2) #加法运算
with tf.Session() as sess:
print(sess.run(dataAdd, feed_dict={data1:6,data2:2})) #打印结果
print('end')
#矩阵、数组的格式:M*N,最外面是[],内部是由一个个中括号组成
#每个中括号里面表示的是一个列数据,中括号的整体是一个行数据
#a = [[6,6]]表示一行两列
import tensorflow as tf
data1 = tf.constant([[6, 6]])
data2 = tf.constant([[2],
[2]])
data3 = tf.constant([[3, 3]])
data4 = tf.constant([[1, 2],
[3, 4],
[5, 6]])
print(data4.shape) #打印维度
with tf.Session() as sess:
print(sess.run(data4)) #打印整体
print(sess.run(data4[0])) #打印一行
print(sess.run(data4[:, 0])) #打印一列
print(sess.run(data4[0, 1])) #打印某个元素
print('end')
#两矩阵相加必须维度一样
#矩阵、数组的格式:M*N,最外面是[],内部是由一个个中括号组成
#每个中括号里面表示的是一个列数据,中括号的整体是一个行数据
#a = [[6,6]]表示一行两列
import tensorflow as tf
data1 = tf.constant([[6, 6]])
data2 = tf.constant([[2],
[2]])
data3 = tf.constant([[3, 3]])
data4 = tf.constant([[1, 2],
[3, 4],
[5, 6]])
matMul = tf.matmul(data1, data2) #矩阵相乘
matMul2 = tf.multiply(data1, data2) #按对应元素相乘
matAdd = tf.add(data1, data3) #矩阵相加
with tf.Session() as sess:
print(sess.run(matMul))
print(sess.run(matAdd))
print(sess.run(matMul2))
print(sess.run([matMul, matMul2])) #一次打印多个内容
print('end')
原文地址:https://blog.csdn.net/qq_42006303/article/details/88781047
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。