import tensorflow as tf 
node1=tf.constant(3.0,tf.float32,name='node1')  #創(chuàng)建浮點(diǎn)數(shù)節(jié)點(diǎn)
node2=tf.constant(4.0,tf.float32,name='node2')
node3=tf.add(node1,node2)       #節(jié)點(diǎn)三進(jìn)行相加操作,源于節(jié)點(diǎn)1、2
ses=tf.Session()
print(node3)      #輸出張量：Tensor("Add_3:0", shape=(), dtype=float32)
print(ses.run(node3))    #通過會(huì)話運(yùn)行節(jié)點(diǎn)三，將節(jié)點(diǎn)1、2相加，輸出：7.0
ses.close()           #不使用時(shí)，關(guān)閉會(huì)話

tensor1=tf.constant([[[1,1,1],[1,2,1]],
     [[2,1,1],[2,2,1]],
     [[3,1,1],[3,2,1]],
     [[4,1,1],[4,2,1]]],name='tensor1')
print(tensor1)
ss=tf.Session()
print(ss.run(tensor1)[3,0,0])     #訪問tensor1的具體元素
#輸出：Tensor("tensor1:0", shape=(4, 2, 3), dtype=int32) 4

#定義計(jì)算圖
tensor1=tf.constant([1,2,3])
#創(chuàng)建會(huì)話
ss=tf.Session()
#利用會(huì)話進(jìn)行計(jì)算操作
print(ss.run(tensor1))
#關(guān)閉會(huì)話
ss.close()

tensor1=tf.constant([1,2,3])
with tf.Session() as ss:    #上下文管理器
 print(ss.run(tensor1))

tensor1=tf.constant([1,2,3])
ss=tf.Session()
with ss.as_default():     #指定默認(rèn)會(huì)話
 print(tensor1.eval())

tensor1=tf.constant([1,2,3])
ss=tf.InteractiveSession()     #自動(dòng)注冊默認(rèn)會(huì)話
print(tensor1.eval())
ss.close()

a=tf.constant(10,'int_a')

node1=tf.Variable(3.0,name='node1')    #定義變量
node2=tf.Variable(4.0,name='node2')
res=tf.add(node1,node2,name='res')
 
ss=tf.Session()        
init=tf.global_variables_initializer()   #定義全部變量的初始化操作
ss.run(init)         #執(zhí)行初始化操作
 
print(ss.run(res))
ss.close()

var1=tf.Variable(0,name='var')
one=tf.constant(1)
var2=tf.add(var1,one)       #變量1加1得到變量2
update=tf.assign(var1,var2)     #定義update操作，將變量2賦值給變量1
 
init=tf.global_variables_initializer()
ss=tf.Session()
ss.run(init)
for _ in range(10):
 ss.run(update)        #執(zhí)行update操作
 print(ss.run(var1))
 
ss.close()
 
#輸出：1 2 3 4 5 6 7 8 9 10

node1=tf.placeholder(tf.float32,name='node1')  #定義占位符，規(guī)定其類型、結(jié)構(gòu)、名字
node2=tf.placeholder(tf.float32,name='node2') 
m=tf.multiply(node1,node2,'multinode')
 
ss=tf.Session()
res=ss.run(m,feed_dict={node1:1.2,node2:3.4})  #在運(yùn)行時(shí)通過feed_dict為占位符賦值 
print(res)
ss.close()

node1=tf.placeholder(tf.float32,[3],name='node1')  #第二個(gè)參數(shù)規(guī)定占位符的類型為3維數(shù)組
node2=tf.placeholder(tf.float32,[3],name='node2') 
m=tf.multiply(node1,node2,'multinode')
s=tf.subtract(node1,node2,'subnode')
 
ss=tf.Session()
#將m，s兩個(gè)操作放到一起，并返回兩個(gè)結(jié)果
resm,ress=ss.run([m,s],feed_dict={node1:[1.0,2.0,4.0],node2:[3.0,5.0,6.0]})
print(resm)           #輸出：[ 3. 10. 24.]
ss.close()

node1=tf.Variable(3.0,name='node1')    
node2=tf.Variable(4.0,name='node2')
res=tf.add(node1,node2,name='res')
ss=tf.Session()        
init=tf.global_variables_initializer()   
ss.run(init)         
print(ss.run(res))
ss.close()
 
#清除default graph和其他節(jié)點(diǎn)
tf.reset_default_graph()
#定義日志存放的默認(rèn)路徑
logdir='D:\Temp\TensorLog'
#生成writer將當(dāng)前的計(jì)算圖寫入日志
writer=tf.summary.FileWriter(logdir,tf.get_default_graph())
writer.close()

#TensorBoard使用
#定義日志保存位置
log_dir='D:\Temp\MachineLearning\TensorLog'
#顯示圖片
image_input=tf.reshape(x,[-1,28,28,1])
tf.summary.image('input',image_input,10)  #一次最多顯示圖片數(shù)：10
#顯示直方圖
tf.summary.histogram('Y',Y3)
#顯示標(biāo)量loss
tf.summary.scalar('loss',loss_function)
tf.summary.scalar('accurancy',accuracy)
#定義匯總summary操作
merge_op=tf.summary.merge_all()
 
ss=tf.Session()
ss.run(tf.global_variables_initializer())
#定義writer
writer=tf.summary.FileWriter(log_dir,ss.graph)
 
for epoch in range(train_epochs):
 for batch in range(batch_num): #分批次讀取數(shù)據(jù)進(jìn)行訓(xùn)練
  xs,ys=mnist.train.next_batch(batch_size)
  ss.run(optimizer,feed_dict={x:xs,y:ys})
  #執(zhí)行summary操作并將結(jié)果寫入日志文件
  summary_str=ss.run(merge_op,feed_dict={x:xs,y:ys})
  writer.add_summary(summary_str,epoch)
  
 loss,acc=ss.run([loss_function,accuracy],\
     feed_dict={x:mnist.validation.images,y:mnist.validation.labels})
 print('第%2d輪訓(xùn)練：損失為：%9f，準(zhǔn)確率：%.4f'%(epoch+1,loss,acc))