tensorflow（三）—-操作

小半 • 2023年1月29日下午4:20 • 技术随笔 • 阅读 148

tensorflow—-操作

一、操作

1.定义

tensorflow用数据流图表示算法模型。数据流图由节点和有向边组成，每个节点均对应一个操作，有向边是是人为设置。因此，操作是模型功能的实际载体，即操作对应的是抽象的函数f(x)
数据流图的节点按照功能不同可以分为以下3种：

数据节点：数据的占位符操作，用于描述图外输入数据的属性。
计算节点：无状态的计算或控制操作，主要复杂算法逻辑表达或流程控制。
存储节点：有状态的变量操作，通常用来存储模型参数。

操作的输入和输出是张量或操作（函数式编程）

2.tensorflow占位符操作

节点有三种类型，对应的是三种操作，计算和存储操作在变量中已经用代码实现过了，这里实现数据操作。

tensorflow使用占位符操作表示图外输入的的数据，如训练和测试数据。tensorflow数据流图描述了算法模型的计算拓扑，其中的各个操作（节点）都是抽象的函数映射（多元函数）或数学表达式。
黄句话说，数据流图本身是一个具有计算拓扑和内部结构的”壳“。在用户向数据流图填充数据前，图中并没有真正执行任何计算。

3.操作-代码演示

（1）占位符操作

# 占位符操作
x = tf.placeholder(tf.float16, shape=(), name='x')
y = tf.placeholder(tf.float16, shape=(), name='y')

（2）计算操作

# 计算操作
mul = tf.multiply(x, y)

（3）构建数据流图

# 加载默认的数据流图
with tf.Session() as sess:
    # 填充数据，并执行mul操作
    result = sess.run(mul, feed_dict={x: 4, y: 5})
    print('result of mul:', result)

# 结果：
result of mul: 20.0