tensorflow學習筆記

2021-09-26 06:16:34 字數 2729 閱讀 9632

#獲取了變數的值


變數名.name()


#獲取變數的值


se.run(變數名)  		  #   se是會話的名字
用給給定值定義：

var1 = tf.variable(10.0 , name="varname")     


var2 = tf.variable(13.0 )


可以檢視變數的名字和 變數的值：


第一種方式，直接建立會話：


se=tf.session()


print(se.run(w))			#就得到了變數的值


print(w.name)				#就得到了變數的名字


第二種方式 ，通過構建上下文管理器建立會話：


with tf.session as se:


se.tf.global_variables_initializer().run()


print(se.run(w))			#就得到了變數的值


print(w.name)				#就得到了變數的名字
#	建立乙個會話


se=tf.session()


se.run(tf.global_variables_initializer())


或者是：


tf.global_variables_initializer().run(session=se)


這兩種方式都會給 初始化所有的全域性變數


因此，要注意初始化變數的操作是通過會話實現的！！！
#通過上下文管理器 來建立 會話，然後通過會話 來初始化變數！！！


with tf.session() as se:


tf.global_variables_initializer().run()
我們使用tf.interactivesession()來構建會話的時候，我們可以先構建乙個session然後再定義操作（operation），如果我們使用tf.session()來構建會話我們需要在會話構建之前定義好全部的操作（operation）然後再構建會話。

在使用時，tf.interactivesession() ，要放在**的開始位置。然乎定義各項操作。

tf.session()則相反。

對此學習僅止於此，他們之間的其他關係暫不考慮，網上還有他們的其他關係。

參考文獻

引數是形狀，那麼一般是給出 列表 的形式，其中第乙個數字代表第一維度，第二個數字代表第二維度，以此類推…

陣列對應元素相乘：

tf.multiply(x, w)
前向結構

z = tf.multiply(x, w)+ b
作用是對資料a的每個元素求平方！name是這個操作的名字一般是忽略不寫。

a = [[2,3],[4,5]]


with tf.session() as se:


x=tf.square(a)


print(se.run(x))		#通過se.run(x) 來獲得x的值，前面有講過
reduce_mean(


input_tensor,


axis=none,


keep_dims=false,


name=none,


reduction_indices=none)
一般只使用input_tensor：表示輸入的張量；axis=none表示 要降維是哪一維（0表示列，1表示行）；keep_dims=false, 表示在降維的那個維度上是否保持原狀。

例子：

import tensorflow as tf


x = [[1,2,3],


[1,2,3]]


xx = tf.cast(x,tf.float32)


mean_all = tf.reduce_mean(xx, keep_dims=false)


mean_0 = tf.reduce_mean(xx, axis=0, keep_dims=false)


mean_1 = tf.reduce_mean(xx, axis=1, keep_dims=false)


with tf.session() as sess:


m_a,m_0,m_1 = sess.run([mean_all, mean_0, mean_1])


print m_a    # output: 2.0


print m_0    # output: [ 1.  2.  3.]


print m_1    #output:  [ 2.  2.]
如果設定保持原來的張量的維度，keep_dims=true ，結果：

print m_a    # output: [[ 2.]]


print m_0    # output: [[ 1.  2.  3.]]


print m_1    #output:  [[ 2.], [ 2.]]
類似函式還有:

tf.reduce_sum ：計算tensor指定軸方向上的所有元素的累加和;

tf.reduce_max : 計算tensor指定軸方向上的各個元素的最大值;

tf.reduce_all : 計算tensor指定軸方向上的各個元素的邏輯和（and運算）;

tf.reduce_any: 計算tensor指定軸方向上的各個元素的邏輯或（or運算）;

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,...