TensorFlow中文社群

2021-09-13 16:31:30 字數 1521 閱讀 9389

table of contents簡介

本章的目的是讓你了解和執行 tensorflow!

在開始之前, 讓我們先看一段使用 python api 撰寫的 tensorflow 示例**, 讓你對將要學習的內容有初步的印象.

這段很短的 python 程式生成了一些三維資料, 然後用乙個平面擬合它.

import tensorflow as tf


import numpy as np


# 使用 numpy 生成假資料(phony data), 總共 100 個點.


x_data = np.float32(np.random.rand(2, 100)) # 隨機輸入


y_data = np.dot([0.100, 0.200], x_data) + 0.300


# 構造乙個線性模型


# 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)


# 初始化變數


init = tf.initialize_all_variables()


# 啟** (graph)


sess = tf.session()


sess.run(init)


# 擬合平面


for step in xrange(0, 201):


sess.run(train)


if step % 20 == 0:


print step, sess.run(w), sess.run(b)


# 得到最佳擬合結果 w: [[0.100  0.200]], b: [0.300]
為了進一步激發你的學習慾望, 我們想讓你先看一下 tensorflow 是如何解決乙個經典的機器 學習問題的. 在神經網路領域, 最為經典的問題莫過於 mnist 手寫數字分類問題. 我們準備了 兩篇不同的教程, 分別面向機器學習領域的初學者和專家. 如果你已經使用其它軟體訓練過許多 mnist 模型, 請閱讀高階教程 (紅色藥丸鏈結). 如果你以前從未聽說過 mnist, 請閱讀初級教程 (藍色藥丸鏈結). 如果你的水平介於這兩類人之間, 我們建議你先快速瀏覽初級教程, 然後再閱讀高階教程.

blue bill：

red bill：

如果你已經下定決心, 準備學習和安裝 tensorflow, 你可以略過這些文字, 直接閱讀 後面的章節. 不用擔心, 你仍然會看到 mnist -- 在闡述 tensorflow 的特性時, 我們還會使用 mnist 作為乙個樣例.

雲棲社群 Tensorflow快餐教程

雲棲社群 tensorflow快餐教程 1 30行 搞定手寫識別 雲棲社群 tensorflow快餐教程 2 標量運算 雲棲社群 tensorflow快餐教程 3 向量 雲棲社群 tensorflow快餐教程 4 矩陣 雲棲社群 tensorflow快餐教程 5 範數 雲棲社群 tensorflow...

Dapr 中文社群彙總

dapr 是一套使開發者能夠輕鬆編寫分布式應用的 api。無論是在 kubernetes 還是其他環境中，dapr 都是以 sidecar 程序執行在應用程式旁邊，為開發者提供了一套形式為 pub sub 狀態管理 秘密管理 事件觸發器和服務間呼叫的安全而可靠的原語。在 dapr 的幫助下，開發人員...

Gentoo 中文社群郵件列表

gentoo 中文社群郵件列表 郵件列表名稱及其對應的 描述 gentoocn googlegroups.com gentoo 中文社群管理員郵件列表 gentoo user cn googlegroups.com gentoo 中文使用者支援和技術討論的郵件列表 cn ebuilds google...