系列文章

本教程有同步的github地址

0. 统领篇

1. 计算图的创建与启动

2. 变量的定义及其操作

3. Feed与Fetch

4. 线性回归

5. 构建非线性回归模型

6. 简单分类问题

7. Dropout与优化器

8. 手动调整学习率与TensorBoard

9. 卷积神经网络（CNN）

10. 循环神经网络（RNN）

11. 模型的保存与恢复

知识点

变量：顾名思义就是可以变化的量，与之对应的是常量，常量在程序运行期间是不可以变的。
TensorFlow中的变量的含义与Python中变量的含义类似，都是用于存放数据的单位。

tf.Variable([1,2])代表定义了一个变量，并且赋值[1, 2]。
tf.subtract(x, y)代表减法操作，即x - y。
tf.add(x, y)代表加法操作，即x + y。
tf.assign(state, add_one)代表赋值操作，即将add_one赋值给state。

示例

#%% md
# 变量的定义及其操作
#%% md
导包
#%%
import tensorflow as tf
#%% md
创建变量x
#%%
x = tf.Variable([1,2])
#%%
x
#%% md
创建常量y
#%%
y = tf.constant([3, 3])
#%%
y
#%% md
创建减法操作
#%%
sub = tf.subtract(x, y)
#%%
sub
#%% md
创建加法操作
#%%
add = tf.add(x, y)
#%%
add
#%% md
全部变量进行初始化
#%%
init = tf.global_variables_initializer()
#%%
init
#%% md
创建会话Sess输出结果
#%%
with tf.Session() as sess:
init_res = sess.run(init)
sub_res, add_res = sess.run([sub, add])
#%% md
`init_res`没有输出结果为None
#%%
init_res, type(init_res)
#%%
sub_res
#%%
add_res
#%% md
## 实现数值的自增
#%% md
定义变量state
#%%
state = tf.Variable(0, name="counter")
#%%
state
#%% md
定义自增操作
#%%
add_one = tf.add(state, 1)
#%%
add_one
#%% md
定义赋值操作
#%%
update = tf.assign(state, add_one)
#%%
update
#%% md
初始化全部变量
#%%
init = tf.global_variables_initializer()
#%% md
定义会话进行结果的计算与输出
#%%
with tf.Session() as sess:
sess.run(init)
state_res = sess.run(state)
print(state_res)
for _ in range(5):
#
add_one_res = sess.run(add_one)
update_res = sess.run(update)
state_res = sess.run(state)
#
print(add_one_res)
#
print(update_res)
print(state_res)
#%%

最后

以上就是细腻季节为你收集整理的TensorFlow1.x入门（2）——变量的定义及其操作系列文章知识点示例的全部内容，希望文章能够帮你解决TensorFlow1.x入门（2）——变量的定义及其操作系列文章知识点示例所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。