TensorFlow學習筆記（一）基本概念

tensorflow學習筆記（一）：基本概念

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。

1、編輯器

編寫tensorflow**，實際上就是編寫py檔案，最好找乙個好用的編輯器，如果你用vim或gedit比較順手，那也可以的啦。我們既然已經安裝了anaconda，那麼它裡面自帶乙個還算不錯的編輯器，名叫spyder，用起來和matlab差不多，還可以在右上角檢視變數的值。因此我一直使用這個編輯器。它的啟動方式也很簡單，直接在終端輸入spyder就行了。

2、常量

我們一般引入tensorflow都用語句

import tensorflow as tf

因此，以後文章中我就直接用tf來表示tensorflow了。

在tf中，常量的定義用語句：

a=tf.constant(10)

這就定義了乙個值為10的常量a

3、變數

變數用variable來定義, 並且必須初始化，如：

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

分別定義了乙個3x3的全1矩陣x，和乙個3x3的全0矩陣y，0和1的值就是初始化。

init=tf.initialize_all_variables()

這句可不要忘了，否則會出錯。

4、佔位符

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。

5、圖(graph)

如果把下面的python語句改在tf語句，該怎麼寫呢：

x=3
y=2z=x+y
print(z)

定義兩個變數，並將兩個數相加，輸出結果。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
word=tf.constant('hello,world!')
with tf.session() as sess:
print(sess.run(word))
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.multiply(a, b)
withtf.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()
withtf.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
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()
withtf.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

搜尋複製

TensorFlow學習筆記（一）基本概念

tensorflow學習筆記（一）

tensorflow學習筆記一

TensorFlow 實戰學習筆記（一）

TensorFlow學習筆記（一） 基本概念

tensorflow學習筆記（一）

tensorflow學習筆記 一

TensorFlow 實戰學習筆記（一）

相關推薦

TensorFlow學習筆記（一）基本概念

tensorflow學習筆記一