In [1]:

    

# TF的op基础示例
#


    

In [2]:

    

import tensorflow as tf


    

In [3]:

    

# constant op基础示例
# 返回constant op的构造示例
a = tf.constant(2)
b = tf.constant(3)


    

In [4]:

    

# 运行默认图
with tf.Session() as sess:
    print("a=%i" %sess.run(a), "b=%i" %sess.run(b))
    print("常量和:%i" %sess.run(a + b))
    print("常量乘积：%i" %sess.run(a * b))


    

    




a=2 b=3
常量和:5
常量乘积：6

In [5]:

    

# variable op基础示例
# 返回variable op的构造示例（运行session时定义）
a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)


    

In [6]:

    

# 定义op
add = tf.add(a, b)
mul = tf.multiply(a, b)


    

In [7]:

    

# 运行默认图
with tf.Session() as sess:
    # 每次运行op时输入variable
    print("变量和：%i" %sess.run(add, feed_dict={a:2, b:3}))
    print("变量乘积：%i" %sess.run(mul, feed_dict={a:2, b:3}))


    

    




变量和：5
变量乘积：6

In [9]:

    

# ----------------
# 更多：
# TF矩阵乘法官方教程
# 
# 创建一个1*2的constant op矩阵，把它加入到默认图的节点
# 
# 返回constant op的樊笼示例
matrix1 = tf.constant([[3, 3]])


    

In [10]:

    

# 创建另一个2*1的constant op矩阵
matrix2 = tf.constant([[2], [2]])


    

In [11]:

    

# 对'matrix1'与'matrix2'做'matmul'矩阵乘法
# 返回矩阵乘法的结果，赋值给product
product = tf.matmul(matrix1, matrix2)


    

In [12]:

    

# 调用session的'run()'方法运行matmul op，传参matmul op的值'product'。
# 
# op输出返回给'result'，它是numpy的'ndarray'对象
with tf.Session() as sess:
    result = sess.run(product)
    print(result)


    

    




[[12]]