本文將通過三個例子來詳細說明tensorflow中如何定義、使用變量與常量
在window下安裝python與tensorflow的方法可參考我的另一篇文章
win7 64 位 Visual studio 環境下，使用whl依賴包，搭建python3.5 機器學習開發環境
# -*- coding:utf-8 -*-
import tensorflow as tf
print('-'*30+'例一定義變量')
m1=tf.Variable([[1,2,3],[4,5,6]]) #定義兩行三列變量
m2=tf.Variable([[1,2],[3,4],[5,6]]) # 定義三行兩列變量
result=tf.matmul(m1,m2)
'''
定義矩陣相乘 即,如果你對矩陣乘法不瞭解，建議先回頭學學線性代數，這相當重要
1，2，3 1，2
4，5，6 * 3，4
5，6
注意：這裏是定義，不是計算，在tensorflow中的計算要通過sess.run來完成，
這與通常的語言在寫法上是有一定的差異
'''
#計算方法一
with tf.Session() as sess: # tf.Session()進行實例化
sess.run(tf.initialize_all_variables()) #初始化所以變量，即m1,m2, 另特別注意是，2017-03-02之後的版本使用tf.global_variables_initializer()進行初始化
print(sess.run(result)) # result不算是變量，是一個計算過程的定義,通過sess.run(result)運行
#計算方法二
sess=tf.Session()
sess.run(tf.initialize_all_variables())
print(sess.run(result))
sess.close() #與方法一不同之處在此行，使用完後需要關閉以釋放資源，需要對sess進行關閉，方法一則不用
print('-'*30+'例一結束\r\n')
print('-'*30+'例二：定義常量')
m1=tf.constant([[1,2,3],[4,5,6]]) #定義兩行三列常量
m2=tf.constant([[1,2],[3,4],[5,6]]) # 定義三行兩列常量
result=tf.matmul(m1,m2)
with tf.Session() as sess:
print(sess.run(result)) #與例一不同，在result計算過程中使用的是m1與m2是常量，不需要進行初始化
print('-'*30+'例二結束\r\n')
print('-'*30+'例三;實現高斯求和')
'''
tensorflow來寫這個，是代碼又多又麻煩，當然我們的目的是理解tensorflow變量與常量的使用，堅持一下
'''
numer=tf.Variable(0)
sumValue=tf.Variable(0)
step=tf.constant(1)
new_numer=tf.add(numer,step) #定義一個計算過程 new_numer，實現數字，1，2，3，...
update_numer=tf.assign(numer,new_numer) #將new_numer的值更新至 numer
new_sumValue=tf.add(sumValue,numer) #定義一個計算過程 new_sumValue，實現數字sumValue 不斷的加上 numer
update_sumValue=tf.assign(sumValue,new_sumValue) #將new_sumValue的值更新至 sumValue
with tf.Session() as sess:
sess.run(tf.initialize_all_variables())
for i in range(100):
sess.run(update_numer)
sess.run(update_sumValue)
print(sess.run(sumValue))
print('-'*30+'例三結束')
