構建乙個簡單的 tensorflow 程式，使用該程式繪製乙個預設圖並建立乙個執行該圖的會話
tensorflow 的名稱源自張量，張量是任意維度的陣列。借助 tensorflow，您可以操控具有大量維度的張量。即便如此，在大多數情況下，您會使用以下乙個或多個低維張量：
tensorflow指令會建立、銷毀和操控張量。典型 tensorflow 程式中的大多數**行都是指令。
tensorflow圖（也稱為計算圖或資料流圖）是一種圖資料結構。很多 tensorflow 程式由單個圖構成，但是 tensorflow 程式可以選擇建立多個圖。圖的節點是指令；圖的邊是張量。張量流經圖，在每個節點由乙個指令操控。乙個指令的輸出張量通常會變成後續指令的輸入張量。tensorflow 會實現延遲執行模型，意味著系統僅會根據相關節點的需求在需要時計算節點。
張量可以作為常量或變數儲存在圖中。您可能已經猜到，常量儲存的是值不會發生更改的張量，而變數儲存的是值會發生更改的張量。不過，您可能沒有猜到的是，常量和變數都只是圖中的一種指令。常量是始終會返回同一張量值的指令。變數是會返回分配給它的任何張量的指令。
要定義常量，請使用tf.constant指令，並傳入它的值。例如：
x = tf.constant([5.2])y = tf.variable([5])y = tf.variable([0])
y = y.assign([5])
tf.add）結合使用。在評估tf.add指令時，它會呼叫您的tf.constant或tf.variable指令，以獲取它們的值，然後返回乙個包含這些值之和的新張量。
圖必須在 tensorflow會話中執行，會話儲存了它所執行的圖的狀態：
將 tf.session() 作為會話：
initialization = tf.global_variables_initializer()
print y.eval()
tf.variable時，您必須在會話開始時呼叫tf.global_variables_initializer，以明確初始化這些變數，如上所示。
注意：會話可以將圖分發到多個機器上執行（假設程式在某個分布式計算框架上執行）。有關詳情，請參閱分布式 tensorflow。
tensorflow 程式設計本質上是乙個兩步流程：
將常量、變數和指令整合到乙個圖中。
在乙個會話中評估這些常量、變數和指令。
機器學習學習筆記
2.機器學習書籍 機器學習tom,這個是老經典，就是翻譯欠佳 prml，這個書正版的超貴，但是比較新且系統，可以通過其他途徑搞個副本。3.自己動手編碼實現2 3種經典演算法，比如svm，lr，bpnn等。4.了解spark上目前支援的機器學習方法的用途和用法，這個在日常工作中會用到。知道的多一點，方...
機器學習 學習筆記
關於梯度下降演算法的優化與 會有三種方法優化梯度下降演算法 1.共軛梯度下降法 conjugate 2.變尺度法 bfgs 3.限制變尺度法 l bfgs 這些方法的好處是 1.不用選擇學習速率 2.收斂的速度快，執行效率高 但是她們的缺點在於 實現她們的方法太複雜，所以我們就可以使用語言的內建庫函...
機器學習 學習筆記
監督學習 我們的學習演算法使用的資料是給出正確答案的資料，然後我們執行學習演算法，出更多的正確答案。理解為像深度需學習類似，利用訓練樣本訓練處學習模型，然後用測試樣本對學習到的模型進行檢測，輸出 結果。無監督學習 可以理解為對於學習演算法所使用的資料集並沒有給出正確答案，學習演算法就是要對這資料集進...