Tensorflow深度学习之三:基础概念篇(矩阵相乘)
来源:互联网 发布:js二维数组声明 编辑:程序博客网 时间:2024/05/29 08:12
Tensorflow中有很多地方需要用到矩阵相乘,这里通过一个小程序讲解一下矩阵相乘中所涉及的基本概念。(由于本人刚刚接触Tensorflow,有些概念讲解若有错误,请不吝指出。)
import tensorflow as tf#Tensorflow默认会话sess = tf.InteractiveSession()#建立两个矩阵变量w1和w2#tf.random_normal(shape,# mean=0.0,# stddev=1.0,# dtype=dtypes.float32,# seed=None,# name=None)#产生随机正态分布#shape表示矩阵的维度,例如:#tf.random_normal([2,3],mean=1.0, stddev=1.0)是一个2行3列的矩阵,#mean表示均值,默认为0.0,stddev表示标准差,默认为1.0#seed表示随机数种子,默认为Nonew1 = tf.Variable(tf.random_normal([2,3],mean=1.0, stddev=1.0))w2 = tf.Variable(tf.random_normal([3,1],mean=1.0, stddev=1.0))#定义一个二维的常量矩阵,注意:这里不是一维数组x = tf.constant([[0.7, 0.9]])#初始化全局变量,这里由于只有w1和w2没有被初始化(之前只是定义了w1和w2的tensor,并没有被初始化),故这一步只会初始化w1和w2.tf.global_variables_initializer().run()#tf.initialize_all_variables().run() #这种写法也可,官方推荐使用上面的写法#计算矩阵相乘a=x*w1(关于矩阵乘法,可以参看线性代数)a = tf.matmul(x ,w1)#计算矩阵相乘y=a*w2y = tf.matmul(a, w2)#输出计算结果,是一个1行1列的二维矩阵print(y.eval())
结果如下:(在不同的机器上,运行结果或有不同)
[[ 5.25156927]]
阅读全文
0 0
- Tensorflow深度学习之三:基础概念篇(矩阵相乘)
- Tensorflow深度学习之十三:基础图像处理之三
- 深度学习之二---深度学习基础概念篇
- Tensorflow深度学习之十九:矩阵切片与链接
- Tensorflow深度学习之十二:基础图像处理之二
- 深度学习之TensorFlow实战一(安装配置篇)
- 深度学习之工具篇:TensorFlow安装
- 深度学习之TensorFlow入门(一)
- Tensorflow深度学习之十一:基础图像处理
- 深度学习基础系列 (一) 之基础概念
- nginx学习(三)——基础概念之connection
- TensorFlow深度学习框架学习(一):深度学习概念以及应用
- 深度学习基础(三)—— 权值矩阵的初始化
- 人工智能,机器学习,神经网络,深度学习之基础概念
- 深度学习框架TensorFlow学习(三)----线性回归
- 《深度学习原理与TensorFlow实践》学习笔记(三)
- Tensorflow深度学习之六:基础函数简介(持续更新中)
- 零基础学c++(矩阵相乘)
- 启动storm
- 【剑指offer】面试题 22:链表中倒数第 K 个节点
- UML类图关系表示
- python实现堆栈 后进先出 LIFO
- Git 重要的相关使用建议
- Tensorflow深度学习之三:基础概念篇(矩阵相乘)
- 如何打乱训练样本和测试样本的顺序
- Mybatis 下划线字段为NULL
- mybatis进阶(2)--一对一查询(使用resultType)
- Centos防火墙设置与端口开放的方法
- 623. Add One Row to Tree
- Java菜鸟学习日记12
- Redis 字符串(String)
- 数据库性能优化