tensorflow 基礎中的基礎

import tensorflow as tf

m_1 = tf.constant([[

3,2]
])m_2 = tf.constant([[
3],[
2]])
pr = tf.matmul(m_1,m_2)
with tf.session(
)as s_1:
result = s_1.run(pr)
print
(result)

[[13]]

s_2 = tf.session(

)result_2 = s_2.run(pr)
print
(result_2)
s_2.close(
)

[[13]]

v_1 = tf.variable(

0,name=
'counter'
)# 設定變數
c_1 = tf.constant(1)
# 設定常量
v_1.name # 檢視v_1屬性 
new_value = tf.add(v_1 ,c_1)
# 新的值：變數+常量
update = tf.assign(v_1,new_value)
# 講new_value傳遞至v_1 
init = tf.global_variables_initializer(
)# 初始化所有變數

with tf.session(

)as sess:
sess.run(init)
for i in
range(3
):sess.run(update)
print
(sess.run(v_1)
)print
(v_1.name)

1

counter_6:0
2counter_6:0
3counter_6:0

在run時需要傳入的數值

holder_1 = tf.placeholder(tf.float32)

holder_2 = tf.placeholder(tf.float32)
result = tf.multiply(holder_1,holder_2)
with tf.session(
)as sess:
print
(sess.run(result,feed_dict =
))

[80.]

將線性轉為非線性

def

add_layer
(inputs,in_size,out_size,activation_function =
none):
weights = tf.variable(tf.random_normal(
[in_size,out_size]))
# 設定權重
biases = tf.variable(tf.zeros([1
,out_size])+
0.1)
# 常數項
wx_b = tf.matmul(inputs,weights)
+ biases # 用權重和biases計算輸入
if activation_function is
none
:# 如果存在啟用函式則對輸出進行啟用否則直接輸出 
outputs = wx_b
else
: outputs = activation_function(wx_b)
return outputs

import numpy as np

# 建立乙個（400,1）的輸入和同格式的輸出
x_data = np.linspace(-1
,1,400
).reshape(-1
,1) noise = np.random.normal(1,
0.05
,x_data.shape)
.astype(np.float32)
y_data = np.square(x_data)
+ noise
xs = tf.placeholder(tf.float32,
[none,1
])# 設立 x和y的傳入
ys = tf.placeholder(tf.float32,
[none,1
])l1 = add_layer(xs,1,
10,activation_function=tf.nn.relu)
# 建立隱藏層 輸入為x_data，輸入為（400,10）的輸入 啟用函式為 relu
pre = add_layer(l1,10,
1)# 建立輸出層 輸入為隱藏層輸入 輸出為**值 沒有啟用函式 
loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-pre)
, reduction_indices=[1
]))# 設定偏差 
train_step = tf.train.gradientdescentoptimizer(
0.1)
.minimize(loss)
# 設定訓練方式 為 梯度下降 目標為最小化loss
init = tf.global_variables_initializer(
)with tf.session(
)as sess:
sess.run(init)
for step in
range
(2000):
sess.run(train_step,feed_dict =
)if step%
50==0:
print
(sess.run(loss,feed_dict =
))

Tensorflow的基礎用法

tensorflow是乙個深度學習框架，它使用圖 graph 來表示計算任務，使用tensor 張量 表示資料，圖中的節點稱為op，在乙個會話 session 的上下文中執行運算，最終產生tensor。之所以用計算圖來表示計算任務，tensorflow的官網的一張就能很好的說明。tensor在數學中...

Tensorflow的基礎用法

tensorflow是乙個深度學習框架，它使用圖 graph 來表示計算任務，使用tensor 張量 表示資料，圖中的節點稱為op，在乙個會話 session 的上下文中執行運算，最終產生tensor。之所以用計算圖來表示計算任務，tensorflow的官網的一張就能很好的說明。tensor在數學中...

Tensorflow 基礎概念

g v，e v operation 圖的節點 e tensor 圖的邊 g graph 圖 tensorflow tensor 多維陣列 flow graph 圖 op session回話上下文管理 variable tensor 多維資料變數 placeholder 外部傳入的引數變數 seesi...