tensorflow語法基礎

變數型別：

variable:變數

constant:常量

指定引數

name:變數在tensorflow中的名字

dtype:變數的資料型別 可以是tf.float32, tf.int32之類的

e.g.

import tensorflow as tf

a=tf.variable(0,dtype=int32)		#型別為int32的變數 ，賦初值為0
b=tf.constant(36,name="b")		#名字為"b"的常量，值恒為36
c=tf.variable(a-b,name="c")		#變數可以通過其他變數運算的結果賦初值
init=tf.global_variables_initializer		#乙個對所有變數初始化的函式
session=tf.session()		#乙個封裝了所有變數、常量的環境
session.run(init)			#呼叫init函式

對session比較好的解釋：tensorflow文件。注意銷毀session的方式：session.close()

session.run(function):執行函式

session.run(variable):計算某個變數的值

佔位符

佔位符可以先分配記憶體，稍後賦值。對佔位符進行賦值一般在session.run中進行，值在feed_dict中。

xx=tf.placeholder(tf.int32,name="xx")	#分配一塊int32大小的記憶體，沒有資料

res=session.run(xx**2,feed_dict=)		#先將x賦值為30，然後平方，結果賦值給res

矩陣

初始化(a,b)的矩陣：

常量：

x=tf.constant(np.random.randn(a,b), name="x")

x=tf.get_variable(name="x", shape=[3,2], dtype=tf.float32，initializer=tf.zeros_initializer())

tf.ones([a,b]):

tf.zeros([a,b])

tf.matmul(a,b)

tf.add(a,b)

sigmoid:

tf.sigmoid

tf.nn.relu

tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(logits = ..., labels = ...))

優化

optimizer = tf.train.gradientdescentoptimizer(learning_rate = learning_rate).minimize(cost)

_ , c = sess.run([optimizer, cost], feed_dict=)

x,y是在cost的計算函式（forward_propagation)中出現過的引數。

_儲存optimizer的值，不關心；c儲存cost的值

tensorflow一般步驟

1、建立tensorflow變數/常量

2、建立對這些變數進行操作的函式

3、建立初始化這些變數的函式(初始化只分配記憶體，不計算)

4、建立session

5、在session中執行初始化函式

6、在session中執行其他函式（計算）

Tensorflow基礎語法

import tensorflow as tf import numpy as np state tf.variable 0,name counter 引數值為0，name為counter print state.name one tf.constant 1 new value tf.add sta...

tensorflow語法詳記（一）

最近一直在學習tensorflow的理論知識，趁著複習的機會，做乙個小整理，方便自己以後查閱。其中加粗部分是需要自己輸入的。1 定義常量 tf.constant data name name 2 建立乙個計算圖 tf.graph 3 對當前預設計算圖的引用 tf.get default graph ...

Tensorflow 基礎概念

g v，e v operation 圖的節點 e tensor 圖的邊 g graph 圖 tensorflow tensor 多維陣列 flow graph 圖 op session回話上下文管理 variable tensor 多維資料變數 placeholder 外部傳入的引數變數 seesi...