計算機視覺基礎系列（python與opencv的操作與運用/tensorflow的基礎介紹）（六）---tensorflow的矩陣基礎

矩陣基礎：placehold

首先來個示例代碼進行開始：

import tensorflow as tf
data1 = tf.placeholder(tf.float32)
data2 = tf.placeholder(tf.float32)
dataAdd = tf.add(data1, data2)
with tf.Session() as sess:
    print(sess.run(dataAdd, feed_dict={data1: 6, data2: 2}))

輸出的結果爲：

這裏，可以看出dataAdd裏面，有進行feed_dict操作，這裏的這個操作取決於dataAdd這裏的變量多少，這裏需要喂入兩個值，所以必須喂入兩個值，這裏的語法爲feed_dict={data1: 6, data2: 2}；這個是固定語法，需要記住。

開始進行矩陣的運算，而這裏可以類比於數組的運算，可以看作是N行N列的數組，運用[ ]括起來的數組，下面這個例子，可以說明矩陣的一些知識，如下所示：

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)   # 維度
with tf.Session() as sess:
    print(sess.run(data4))        # 打印整體內容
    print(sess.run(data4[0]))     # 打印某一行
    print(sess.run(data4[:, 0]))  # MN列
    print(sess.run(data4[0, 1]))  # 1 1

輸出結果爲：

矩陣的其他常見操作如下所示：代碼中有很多詳細的註釋如下：

import tensorflow as tf


mat0 = tf.constant([[0, 0, 0], [0, 0, 0]])
mat1 = tf.zeros([2, 3])           # 全0填充
mat2 = tf.ones([3, 2])            # 全1填充
mat3 = tf.fill([2, 3], 15)        # 矩陣爲兩行三列，以全是15填充
mat4 = tf.zeros_like(mat3)        # mat4的矩陣爲和mat3矩陣的形狀一樣的全0矩陣
mat5 = tf.linspace(0.0, 2.0, 11)      # 將0-2之間的數據等分爲10個，中間有九個數據，兩邊爲兩個數據，總共11個數據
mat6 = tf.random_uniform([2, 3], -1, 2)      # 產生一個兩行三列的矩陣，填充數是在-1到2之間的隨機數
with tf.Session() as sess:
    print(sess.run(mat0))
    print(sess.run(mat1))
    print(sess.run(mat2))
    print(sess.run(mat3))
    print(sess.run(mat4))
    print(sess.run(mat5))
    print(sess.run(mat6))

輸出的結果如下：

這些常見的tensorflow的矩陣操作可以記錄下來，都是簡單的操作，也比較簡單