TensorFlow筆記初識

深度學習：轉換程式設計的思維(和傳統的機器學習的程式設計方式不太一樣)

測試鏈結

cpu版本：

只支援程式在cpu上計算/運算，預設執行就是cpu上執行解除安裝：pip uninstall tensorflowpip uninstall tensorflow-tensorboard安裝：pip install tensorflowgpu版本：

支援gpu、cpu上的計算/運算，預設執行在gpu上，但是可以明確指定在cpu上執行（因為gpu的執行速度比cpu要快，所以會僅可能的將程式執行在gpu上）解除安裝：pip uninstall tensorflow-gpu tensorflow-tensorboard安裝：pip install tensorflow-gpu==1.4.0備註：必須安裝cuda和cudnn; 必須要求機器有nvidia顯示卡

深度學習，如深度神經網路、卷積神經網路和遞迴神經網路已被應用計算機視覺、語音識別、自然語言處理、音訊識別與生物資訊學等領域並獲取了極好的效果。(分類)

1、真正的可移植性

引入各種計算裝置的支援包括cpu/gpu/tpu，以及能夠很好地執行在移動端，

如安卓裝置、ios、樹莓派等等

2、多語言支援

tensorflow 有乙個合理的c++使用介面，也有乙個易用的python使用介面來構建和

執行你的graphs，你可以直接寫python/c++程式。

3、高度的靈活性與效率

tensorflow是乙個採用資料流圖（data flow graphs），用於數值計算的開源軟體庫

能夠靈活進行組裝圖，執行圖。隨著開發的進展，tensorflow的效率不算在提高

4、支援tensorflow由谷歌提供支援，谷歌投入了大量精力開發

tensorflow，它希望 tensorflow 成為機器學習研究人員和開發人員的通用語言

圖（graph）：圖描述了計算的過程，tensorflow使用圖來表示計算任務。張量（tensor）：tensorflow使用tensor表示資料。每個tensor是乙個型別化的多維陣列。

操作（op）：圖中的節點被稱為op（opearation的縮寫），乙個op獲得/輸入0個或多個tensor，執行計算，產生0個或多個tensor。會話（session）：圖必須在稱之為「會話」的上下文中執行。會話將圖的op分發到諸如cpu或gpu之類的裝置上執行。變數（variable）：執行過程中可以被改變，用於維護狀態。

流程圖如下：

tensorflow的邊即有兩種連線關係：

實線邊表示資料依賴，代表資料，即張量。任意維度的資料統稱為張量。在機器學習演算法中，張量在資料流圖中從前往後流動一遍就完成一次前向傳播，而殘差從後向前流動一遍就完成一次反向傳播。

import
tensorflow as tf
importos#
防止警告
os.environ['
tf_cpp_min_log_level
'] = '2'
#實現乙個加法
a = tf.constant(5.0)
b = tf.constant(6.0)
sum1 =tf.add(a,b)
with tf.session() as sess:
print(sess.run(sum1))

TensorFlow筆記初識

深度學習初識TensorFlow

初識Tensorflow 數字識別MNIST

tensorflow學習筆記

TensorFlow筆記 初識

深度學習 初識TensorFlow

初識Tensorflow 數字識別MNIST

tensorflow學習筆記

相關推薦

TensorFlow筆記初識

深度學習初識TensorFlow