TensorFlow基礎入門（一）

#建立乙個常值運算，將作為乙個節點加入到預設計算圖中

hello = tf.constant("hello,world!")

#建立乙個tf對話

sess=tf.session()

#執行並獲得結果

print(sess.run(hello))

'''輸出 b'hello,world!'

b表示bytes literals(位元組文字)

tensorflow計算模型-計算圖tensorflow=tensor+flowtensor 張量

資料結構:多維陣列

flow 流

計算模型:張量之間通過計算而轉換的過程

tensorflow是乙個通過計算圖的形式表述計算的程式設計系統，每乙個計算都是計算圖上的乙個節點

計算圖是乙個有向圖，由一下內容構成：

一組節點，每個節點都代表乙個操作，是每一種運算

一組有向邊，每條邊代表節點之間的關係(資料傳遞和控制依賴)

計算圖的例項

import tensorflow as

tf #乙個簡單計算圖
node1=tf.constant(3.0,tf.float32,name="
node1")
node2=tf.constant(4.0,tf.float32,name="
node2")
node3=tf.add(node1,node2)
print(node3)
#輸出的結果不是乙個具體的數字，而是乙個張量的結構
#tensor(
"add:0
", shape=(), dtype=float32)

計算圖的執行

計算圖的執行

建立計算圖只是建立靜態計算模型

執行對話才能提供資料並獲得結果

#建立對話並顯示執行結果

sess=tf.session()
print(
"執行sess.run(node1)的結果:
",sess.run(node1))
#執行sess.run(node1)的結果:
3.0print(
"執行sess.run(node2)的結果:
",sess.run(node2))
#執行sess.run(node1)的結果:
4.0print(
"執行sess.run(node3)的結果:
",sess.run(node3))
#執行sess.run(node1)的結果:
7.0#關閉session
sess.close()

一階張量為向量（vector）,也就是一維陣列

n階張量可以理解為乙個n維陣列；

張量並沒有真正儲存數字，它儲存的是計算過程

張量的屬性

tensor("add:0",shape=(),dtype=float32)

名字(name)

` 「node:src_output」:node節點名稱，src_output來自節點的第幾個輸出

形狀(shape)

張量的維度資訊，shape=(),表示是標量

型別（type）

每乙個張量會有乙個唯一的型別

tensorflow會對參與運算的所有張量進行型別的檢查,發現型別不匹配時會報錯

張量的形狀

三個術語描述張量的維度:階（rank）、形狀（shape）、維數（dimension number）

'''張量的形狀

'''tens1=tf.constant([

[[1,2,2],[2,2,3]],

[[3,5,6],[5,4,3]],

[[7,0,1],[9,1,9]],

[[11,12,7],[1,3,14]]

],name="tens1")

print(tens1)

#tensor("tens1_2:0",shape=(4,2,3),dtype=int32)

'''解釋shape=(4,2,3)

'''scalar=tf.constant(100)

vector=tf.constant([1,2,3,4,5])

matrix=tf.constant([[1,2,3],[4,5,6]])

cube_matrix=tf.constant([

[[1],[2],[3]],

[[4],[5],[6]],

[[7],[8],[9]]

])#輸出維度

print(scalar.get_shape())

print(vector.get_shape())

print(matrix.get_shape())

print(cube_matrix.get_shape())

#輸出內容如下

#tensorbord:tensorflow的視覺化

import tensorflow 
astf 
#清除default graph和不斷增加的節點
tf.reset_default_graph()
#logdir改為自己機器上的合適路徑
logdir='
d:/log
'#定義乙個簡單的計算圖，實現向量加法的操作
input1=tf.constant([1.0,2.0,3.0],name="
input1")
input2=tf.variable(tf.random_uniform([3]),name="
input2")
output=tf.add_n([input1,input2],name="
add"
)#生成乙個寫日誌的writer，並將當前的tensorflow計算圖寫入日誌。
writer=tf.summary.filewriter(logdir,tf.get_default_graph())
writer.close() 

TensorFlow基礎入門

cpu版本直接pip install tf nightly即可。gpu版本需要安裝顯示卡驅動 cuda cudnn，注意版本。若手動安裝cuda還要將cuda的lib64目錄加入ld library path環境變數。然後使用pip install tf nightly gpu安裝即可。在pytho...

Tensorflow入門基礎語句及用法

tensorflow顧名思義是張量流動的意思，這裡的tensor雖然翻譯成張量但其實跟向量沒區別。tensorflow通過構建一張 圖 這個圖有點類似 樹 的結構。這裡可以看到圖中有很多節點，我們輸入的資料從根節點 就是最上方的節點 進入。然後流過這些節點。因為資料一般是以張量的形式流過節點，所以叫...

tensorflow從入門到放棄 一）

官網 tensorflow是乙個基於資料流程式設計 dataflow programming 的符號數學系統，被廣泛應用於各類機器學習 machine learning 演算法的程式設計實現，其前身是谷歌的神經網路演算法庫distbelief tensorflow擁有多層級結構，可部署於各類伺服器 ...