tensorflow google实战 学习笔记——TensorFlow入门(1)
来源:互联网 发布:linux是哪个国家的 编辑:程序博客网 时间:2024/06/05 16:09
阅读 google实战 入门tensorflow 1:
tensorflow入门
TensorFlow 是一个通过计算图的形式来表述计算的编程系统。
计算图的第一阶段定义计算,第二阶段执行计算
定义计算:
import tensorflow as tfa = tf.constant([1.0,2.0],name='a')b = tf.constant([2.0,3.0],name='b')result = a+b
此时如果执行print(result),得到结果为:
Tensor(“add_1:0”, shape=(2,), dtype=float32)
计算结果不是一个具体数字,而是一个张量结构,包含张量的名字。维度和属性。张量的名字形式为:node:src_output ,node为节点的名称,src_output表示当前张量来自节点的第几个输出。
TensorFlow支持14种数据类型:实数(tf.float32、tf.float64)整数(tf.int8、tf.int16、tf.int32、tf.int64、tf.uint8)布尔型(tf.bool)复数(tf.complex64、tf.complex128)
执行计算:会话
sess = tf.Session() print( sess.run(result)) sess.close()
结果为:[ 3. 5.]
sess = tf.Session() 创建会话
sess.run(result) 得到关心的运算的结果
sess.close() 关闭会话 释放资源
使用以下方法创建会话不需要关闭会话:
with tf.Session() as sess:sess.run(result)
通过设定默认会话计算张量的取值:
sess = tf.Session()with sess.as_default(): print(result.eval())
对于计算图:
tf.get_default_graph()可以获得默认计算图
result.graph可以得到result的计算图
tf.Graph用来生成新的计算图
各计算图之间张量和运算都不会共享。
import tensorflow as tfg1 = tf.Graph()with g1.as_default(): v = tf.get_variable('v', shape=[1],initializer=tf.zeros_initializer())g2 = tf.Graph()with g2.as_default(): v = tf.get_variable('v',shape=[1], initializer=tf.ones_initializer())with tf.Session(graph=g1) as sess: tf.initialize_all_variables().run() with tf.variable_scope("",reuse=True): print(sess.run(tf.get_variable('v')))with tf.Session(graph=g2) as sess: tf.initialize_all_variables().run() with tf.variable_scope("",reuse=True): print(sess.run(tf.get_variable('v')))
运行结果为:
[ 0.]
[ 1.]
tf.get_variable(name, shape, initializer): name就是变量的名称,shape是变量的维度,initializer是变量初始化的方式,初始化的方式有以下几种:
tf.constant_initializer:常量初始化函数
tf.random_normal_initializer:正态分布
tf.truncated_normal_initializer:截取的正态分布
tf.random_uniform_initializer:均匀分布
tf.zeros_initializer:全部是0
tf.ones_initializer:全是1
tf.uniform_unit_scaling_initializer:满足均匀分布,但不影响输出数量级的随机值
不同的变量之间不能有相同的名字,这里定义了variable_scope,这样才可以有相同的名字。
- tensorflow google实战 学习笔记——TensorFlow入门(1)
- tensorflow google实战 学习笔记——TensorFlow入门(2)
- tensorflow google实战 学习笔记——TensorFlow入门(3)
- 我是初学者——TensorFlow实战Google深度学习框架(学习笔记一)
- Tensorflow实战Google深度学习框架 笔记
- TensorFlow学习笔记(二):TensorFlow入门
- TensorFlow实战——入门
- TensorFlow学习笔记1:入门
- TensorFlow学习笔记1:入门
- Tensorflow实战Google深度学习框架-学习笔记
- TensorFlow学习笔记(四)——TensorFlow运作方式入门、可视化
- Tensorflow——学习笔记(1)
- tensorflow学习笔记【1】——入门 MINST
- tensorflow入门学习笔记
- Tensorflow入门学习笔记
- Tensorflow入门学习笔记
- TensorFlow学习笔记:入门
- tensorflow02 《TensorFlow实战Google深度学习框架》笔记-03
- Java高级基础--阿里云Java复习
- 自定义switchview
- 架构师之路(9)多种负载均衡算法及其 Java 代码实现
- hbase优化分析
- 自定义view
- tensorflow google实战 学习笔记——TensorFlow入门(1)
- PS切图
- 研究机器学习(Machine Learning)的程序员必知的10大算法
- 极光推送配置
- eclipse查看不了源码(the jar file has no source attachment)解决方法
- Win10下CUDA8.0+cuDNN6.0+python3.5+tensorflow_gpu的安装
- win10java环境变量设置
- QT剪切版
- java邮件的收取和发送