TensorFlow
来源:互联网 发布:端口是什么意思 编辑:程序博客网 时间:2024/06/08 20:12
http://www.tensorfly.cn/
http://www.tensorfly.cn/tfdoc/get_started/introduction.html
简介
本章的目的是让你了解和运行 TensorFlow!
在开始之前, 让我们先看一段使用 Python API 撰写的 TensorFlow 示例代码, 让你对将要学习的内容有初步的印象.
这段很短的 Python 程序生成了一些三维数据, 然后用一个平面拟合它.
import tensorflow as tfimport numpy as np# 使用 NumPy 生成假数据(phony data), 总共 100 个点.x_data = np.float32(np.random.rand(2, 100)) # 随机输入y_data = np.dot([0.100, 0.200], x_data) + 0.300# 构造一个线性模型# b = tf.Variable(tf.zeros([1]))W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))y = tf.matmul(W, x_data) + b# 最小化方差loss = tf.reduce_mean(tf.square(y - y_data))optimizer = tf.train.GradientDescentOptimizer(0.5)train = optimizer.minimize(loss)# 初始化变量init = tf.initialize_all_variables()# 启动图 (graph)sess = tf.Session()sess.run(init)# 拟合平面for step in xrange(0, 201): sess.run(train) if step % 20 == 0: print step, sess.run(W), sess.run(b)# 得到最佳拟合结果 W: [[0.100 0.200]], b: [0.300]
为了进一步激发你的学习欲望, 我们想让你先看一下 TensorFlow 是如何解决一个经典的机器 学习问题的. 在神经网络领域, 最为经典的问题莫过于 MNIST 手写数字分类问题. 我们准备了 两篇不同的教程, 分别面向机器学习领域的初学者和专家. 如果你已经使用其它软件训练过许多 MNIST 模型, 请阅读高级教程 (红色药丸链接). 如果你以前从未听说过 MNIST, 请阅读初级教程 (蓝色药丸链接). 如果你的水平介于这两类人之间, 我们建议你先快速浏览初级教程, 然后再阅读高级教程.
图片由 CC BY-SA 4.0 授权; 原作者 W. Carter
如果你已经下定决心, 准备学习和安装 TensorFlow, 你可以略过这些文字, 直接阅读 后面的章节. 不用担心, 你仍然会看到 MNIST -- 在阐述 TensorFlow 的特性时, 我们还会使用 MNIST 作为一个样例.
推荐随后阅读:
- 下载与安装
- 基本使用
- TensorFlow 技术指南
阅读全文
0 0
- tensorflow
- TensorFlow
- TensorFlow
- tensorflow
- tensorflow
- tensorflow
- Tensorflow
- Tensorflow
- tensorFlow
- tensorflow
- Tensorflow
- TensorFlow
- tensorflow
- Tensorflow
- TensorFlow
- TensorFlow
- tensorflow
- TensorFlow
- android 自定义View模拟时钟
- 《Python机器学习及实践》----良/恶性乳腺癌肿瘤预测
- java中使用socket进行udp方式通信时拔掉网线会导致send()方法阻塞
- 关于hibernate通过注解方式自动生成表时字段的顺序问题
- Android使用VideoView播放网络视频,获取网络视频缩略图
- TensorFlow
- js性能优化
- 通过RegOpenKeyEx和RegQueryValueEx获取wince设备的IP
- 环信ease-sdk-3.3.4_r1 集成用户头像 昵称功能的简单处理方法
- oracle查看允许的最大连接数
- webpack从入门到放弃
- Java遍历数组
- 为RIDE创建桌面快捷方式
- 【安全牛学习笔记】搜索引擎、SHODAN