TensorFlow學習系列（二） 入門起步

a = tf.constant(10)

x = tf.variable(tf.ones([3,3]))

y = tf.variable(tf.zeros([3,3]))

變數定義完，必須顯式的執行一下初始化操作：

init = tf.initialize_all_variables()

變數在定義時要初始化，但是如果有些變數剛開始我們並不知道它們的值，無法初始化，那怎麼辦呢？

那就用佔位符來占個位置，如：

x = tf.placeholder(tf.float32,[none,784])

指定這個變數的型別和shape，以後再用feed的方式來輸入值。

4.圖（graph）

如果把下面的python語句改在tf語句，該怎麼寫呢：

x = 3y = 2z = x +y

print(z)

如果在tf中直接像上面這樣寫，那就錯了。x,y,z分別是三個tensor物件，物件間的運算稱之為操作(op), tf不會去一條條地執行各個操作，而是把所有的操作都放入到乙個圖(graph）中，圖中的每乙個結點就是乙個操作。然後行將整個graph 的計算過程交給乙個 tensorflow 的session, 此session可以執行整個計算過程，比起操作(operations)一條一條的執行效率高的多。

執行**如下：

import

tensorflow as tf
x = tf.variable(3)
y = tf.variable(5)
z = x +y
init =tf.initialize_all_variables()
with tf.session() as sess:
sess.run(init)
print(sess.run(z))

其中sess.run()即是執行，注意要先執行變數初始化操作，再執行運算操作。

session需要先建立，使用完後還需要釋放。因此我們使用with...as..語句，讓系統自動釋放。

例子1：hello world

import

tensorflow as tf
s = tf.constant('
hello world')
with tf.session() as sess:
print(sess.run(s))

例子2：加法和乘法

import

tensorflow as tf
a =tf.placeholder(tf.int16)
b =tf.placeholder(tf.int16)
add =tf.add(a,b)
mul =tf.mul(a,b)
with tf.session() as sess:
print('
a+b=
',sess.run(add,feed_dict=))
print('
a*b=
',sess.run(mul,feed_dict=))

此處使用feed_dict以字典的方式對多個變數輸入值。

例子3：矩陣乘法

import

tensorflow as tf
a = tf.variable(tf.ones([3,2]))
b = tf.variable(tf.ones([2,3]))
product = tf.matmul(5*a,4*b)
init =tf.initialize_all_variables()
with tf.session() as sess:
sess.run(init)
print(sess.run(product))

其中

product=tf.matmul(5*a,4*b)

也可以改成

product=tf.matmul(tf.mul(5.0,a),tf.mul(4.0,b))

定義變數時，沒有指定資料型別，則預設為float32，因此是5.0而不是5

tensorflow入門學習（二）

前言 tensorflow用張量這種資料結構來表示所有的資料。用一階張量來表示向量，如 v 1.2,2.3,3.5 如二階張量表示矩陣，如 m 1,2,3 4,5,6 7,8,9 可以看成是方括號巢狀的層數。一 fetch的用法 會話執行完成之後，如果我們想檢視會話執行的結果，就需要使用fetch來...

莫煩tensorflow系列教程學習

1.普通機器學習 函式係數 y 0.1x 0.3 coding gbk import tensorflow as tf import numpy as np 生成資料,y 0.1x 0.3 x data np.random rand 100 astype np.float32 y data x da...

tensorflow 綜合學習系列例項之神經網路

本文為大家講解如何使用tf實現乙個簡單的神經網路 首先大家要知道神經網路的簡單組成,一般來說乙個神經網路會包含，輸入層 隱藏層,輸出層.例子很簡單,主要是為了學會使用tf的核心步驟 這個是核心建立層的方法 下面是完整實現 author jiahp 建立乙個簡單的神經網路 包括 輸入層 隱藏層 輸出層...