# Libería de tensor flow
import tensorflow as tf
# Estas dos líneas es para que funcione el placeholder
#import tensorflow.compat.v1 as tf
#tf.disable_v2_behavior() 

# Definición de una constante
constante = tf.constant([2.0,3,4], dtype=tf.float32,name='Constante1')

# Atributos de la constante
print(constante)

# Para que funcione el placeholder hay que cargar las librerías
# del tensorflow de manera distinta
# Placeholder es una variable que se crea de inicio vacia, pero 
# servira para ir rellenandola más adelante. Normalmente se 
# usan para el "input" de data
# En este ejemplo se usa la versión que sustituye a la antigua
#apartado = tf.placeholder(dtype=tf.float32, name='Variable1') # Version v1
apartado = tf.keras.Input(name='Variable1', shape=(), dtype=tf.float32)

# Atributos del placeholder
print(apartado)

# Variables
# Es un atributo que pueda cambiar de valor a lo largo del programa.
variable = tf.Variable(3,dtype=tf.float32,name="variable1")

# Atributos de variable
print(variable)

# Se genera un matriz con todo ceros que luego se puede manipular
# Se indica que tendrá 3 filas y 4 columnas 
matriz = tf.zeros([3,4],tf.int32,name='matriz')

# Atributo
print(matriz)

# Se inicializa las variables de nuestra aplicación
# Esto con TF2.0 ya no es necesario
#inicializar = tf.global_variables_initializer()

# Inicializa la sesión de tensorflow. Con TF2.0 no es necesario
#sess = tf.Session()

# Lo que hace es informar nuestras variables en las sesion de TF
# Este paso no es necesario usarlo en TF2.ProcessLookupError0
#sess.run(tf.global_variables_initializer())

# No hace usar sar sess.run para cualquier cosa en TF20
#print(sess.run(constante))

# Se hace la multiplicacion entre apartado y constante
multiplicacion=apartado*constante

# No habrá resultado porque apartado esta vacio
print("Valor de multiplicacion:", multiplicacion)

# Se rellena los valores de apartado
apartado = [[15,10,5]]

# Ahora si que devuelve datos. Cada columna se multipla por la constante 
# que es: 2.0, 3 y 4 * 15, 10 y 5. Queda como resultado 30, 30 y 20
print("Valor de multiplicacion:", multiplicacion)

# Ejemplo de multiplicación de matrices necesita la forma (M,N)X(N,M)=M,M
# Primera matriz: 2 filas y 2 columnas
a = tf.keras.Input(shape=(2,2), dtype=tf.float32)
# Segunda matriz: 2 filas y 3 columnas
b = tf.keras.Input(shape=(2,3), dtype=tf.float32)

# Datos de la primera matriz
a = [[1,2],[2,2]]
# Datos de la segunda matriz
b = [[12,21,4],[3,2,4]]

# Multiplicación de ambas matrices: (2,2) * (2,3)
mult = tf.matmul(a,b)

# Resultado
print("Resultado de mult: ", mult)

# Ejemplo de producto . entre dos vectores
# Primer vector: 3 columnas
c = tf.keras.Input(shape=(3), dtype=tf.float32)
# Segundo vector: 3 columnas
d = tf.keras.Input(shape=(3), dtype=tf.float32)

# Datos para los vectores
# Primer vector
c = [1,2,3]
# Segundo vector
d = [3,2,1]

# Calculo del producto punto
punto = tf.tensordot(c,d,1)

print("Resultado: ", punto)