第一章
1、什麼是佔位符和變數？
無論是佔位符還是變數，都是tensor，tensor是tensorflow計算的節點。
佔位符和變數是不同型別的tensor。佔位符的值由使用者自行傳遞，不依賴於其他tensor，通常用來儲存樣本資料和標籤。
tf.tensor類是核心類，佔位符（tf.placeholder）和變數（tf.variable）都可以看作特殊的tensor。
可以參閱
2、什麼是會話？變數和佔位符在會話中如何傳遞？
會話是乙個核心概念，tensor是圖計算的節點，會話是對這些節點進行計算的上下文。
變數是計算過程中可以改變的值的tensor，變數的值會被儲存下來。在對變數進行操作前必須進行變數初始化，即在會話中儲存變數的初始值。
訓練時，每次提取一部分資料進行訓練，把他們放入對應的佔位符中，在會話中，不需要計算佔位符的值，而是直接把佔位符的值傳遞給會話。
會話中，變數的值會被儲存下來，佔位符的值不會被儲存，每次可以給佔位符傳遞不同的值。
import tensorflow as tf3、計算圖流程（畫出思維導圖）from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("mnist_data/", one_hot=true)
# x是乙個佔位符，表示待識別的
# 形狀是[none, 784]，none表示這一維的大小可以是任意的
x = tf.placeholder(tf.float32, [none, 784])
# 變數引數用tf.variable
w = tf.variable(tf.zeros([784, 10]))
b = tf.variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, w) + b)
# y_是乙個佔位符，表示實際的影象標籤，獨熱表示
y_ = tf.placeholder(tf.float32, [none, 10])
# 交叉熵
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y)))
# 梯度下降，學習率是0.01
train_step = tf.train.gradientdescentoptimizer(0.01).minimize(cross_entropy)
# 建立session，只有在session中才能執行優化步驟train_step
sess = tf.interactivesession()
# 執行之前必須要初始化所有變數，分配記憶體
tf.global_variables_initializer().run()
print('start training...')
for _ in range(1000):
# batch_xs: (100, 784), batch_ys: (100, 10)
batch_xs, batch_ys = mnist.train.next_batch(100)
# sess中執行train_step，執行時要使用feed_dict傳入對應佔位符的值
sess.run(train_step, feed_dict=)
# 獨熱表示的y_ 需要通過sess.run(y_)才能獲取此tensor的值4、擴充套件閱讀print(tf.argmax(y, 1))
# output: tensor("argmax:0", shape=(?,), dtype=int64)
print(tf.argmax(y_, 1))
# output: tensor("argmax_1:0", shape=(?,), dtype=int64)
# tf.equal 比較是否相等，輸出true和false
# tf.argmax(y,1), tf.argmax(y_,1), 取出陣列中最大值的下標，可以用獨熱表示以及模型輸出轉換為數字標籤
correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
# tf.cast 將比較值轉換為float32型的變數，true轉換為1，false轉換為0
# tf.reduce_mean 計算陣列中的所有元素的平均值，得到模型的**準確率
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
# 使用全體測試樣本**，mnist.test.images, mnist.test.labels
print(sess.run(accuracy, feed_dict=))
# 只有輸入了x，y_，通過sess.run才可以計算出correct_prediction，accuracy
第二章tensorflow的資料讀取原理
畫出思維導圖
tensorflow學習筆記
tensorflow安裝可以直接通過命令列或者原始碼安裝，在此介紹tensorflow8命令列安裝如下 安裝tensorflow sudo pip install upgrade 另外，解除安裝tensorflow命令為 sudo pip uninstall tensorflow tensorflo...
Tensorflow學習筆記
1.如何在虛擬機器中安裝tensor flow 1 首先安裝pip pip install 2 pip install 2.學習tensorflow需要學習 python and linux 3.使用 tensorflow,你必須明白 tensorflow 1 使用圖 graph 來表示計算任務.2...
TensorFlow學習筆記
1 擬合直線 import the library import tensorflow as tf import numpy as np prepare train data train x np.linspace 1,1,100 temp1 train x,temp2 train x.shape,...