tf基本概念
graph 表示計算任務
node 可以是operation也可以是資料儲存容器
在session的context中執行graph
使用tensor表示資料
通過variable維護狀態
使用feed和fetch 為任意操作賦值（arbitrary operation）或者從中獲取資料
tensor 類似於numpy 中的陣列
3# a rank 0 tensor; this is a scalar withshape
[1. ,2., 3.] # a rank 1tensor; this is a vector with shape [3]
[[1., 2., 3.], [4., 5., 6.]] # a rank 2tensor; a matrix with shape [2, 3]
[[[1., 2., 3.]], [[7., 8., 9.]]] # a rank 3tensor with shape [2, 1, 3]
computational graph包括兩步
1、 building the computational graph.
將tf操作轉換成graph nodes的形式，每個node包括input tensor 和 output tensor；constant node 只有固定輸入沒有輸出
eg:
import tensorflow as tf
node1 = tf.constant(3.0, tf.float32)
node2 = tf.constant(4.0) # also tf.float32 implicitly
print node1, node2
[out]
tensor("const:0", shape=tensorshape(), dtype=float32)tensor("const_1:0", shape=tensorshape(), dtype=float32)
sess = tf.session()
print sess.run([node1,node2])
[out]
[3.0, 4.0]
將上述兩個node 相加產生新的node 並輸出computation graph
node3 = tf.add(node1, node2)
print "node3: ", node3
print "sess.run(node3):",sess.run(node3)
[out]
node3: tensor("add:0", shape=tensorshape(), dtype=float32)
sess.run(node3): 7.0
placeholders可以不需要在定義的時候賦值，可以隨後賦值
eg：in：
a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
adder_node = a + b # + provides a shortcut for tf.add(a, b)
print sess.run(adder_node, )
print sess.run(adder_node, )
out：
7.5[ 3. 7.]
在此基礎上在加乙個graph
in：
add_add_triple = adder_node * 3.
print sess.run(add_add_triple,)
out：
22.5
2、running thecomputational graph.
為了計算node 值（3.0）（4.0）必須使用session
variables 可以將trainableparameters 加到graph中
構造variable需要型別和初值
in：
w = tf.variable([.3], tf.float32)
b = tf.variable([-.3], tf.float32)
x = tf.placeholder(tf.float32)
linear_model = w * x +b
#variable initialize needs call a specialoperation
init = tf.initialize_all_variables()
sess.run(init)
print sess.run(linear_model,)
out：
[ 0. 0.30000001 0.60000002 0.90000004]
計算loss func
in：############ y and calculate loss function
y = tf.placeholder(tf.float32)
squared_deltas = tf.square(linear_model -y)
loss = tf.reduce_sum(squared_deltas)
printsess.run(loss,)
out：
26.09
手動調參 tf.assign
####adjust the parametres by hand
in:
fixw = tf.assign(w,[-1.])
fixb = tf.assign(b,[1.])
sess.run([fixw, fixb])
printsess.run(loss,)
out:
0.0自動調引數gradient decent
in：#gradientdescent optimeze the parameter
optimizer =tf.train.gradientdescentoptimizer(0.01)
train = optimizer.minimize(loss)
sess.run(init)
for i in range(1000):
sess.run(train,)
print sess.run([w,b])
[array([-0.9999969], dtype=float32),array([ 0.99999082], dtype=float32)]
基本概念 C 基本概念
由於工作中需要用到c 編寫的一些工具，有時候需要根據需求修改或者定製工具，所以現在不得不學習一下c 的基礎語法，此為筆記，不成章法！機器語言 組合語言 高階語言 面向過程的程式設計方法 物件導向的程式設計方法 泛型程式設計方法 1 演算法設計 2 源程式編輯 3 編譯 4 連線 5 執行除錯 輸入裝...
基本概念 數控系統基本概念
第一章 基本概念 數控工具機cnc是一種按事先編制好的加工零件程式進行加工的高效 自動化加工裝置。是 computer numerical control machine tools 的簡稱。數控工具機較好地解決了複雜 精密 小批量 多品種的零件加工問題，是一種柔性的 高效能的自動化工具機。西門子系...
XSLT基本概念
我們首先來澄清乙個概念，大家可能聽說過xsl extensible stylesheet language xsl和我們這裡說的xslt從狹義上理解是一樣的,而按照w3c的標準，xslt的說法更嚴格些，因此我們在文章中統一使用xslt的稱法。它們之間具體的關係我們會在下面講述。1.1 什麼是xslt...