正文

tensorflow学习笔记一——justgetstarted

author  author  2022-07-31  441

关键词：

　　我现在什么都不知道，打算开始学习tensorflow作为机器学习入门的开始。

　　昨天完成了对tensorflow官方入门介绍的学习，了解了tensorflow的基本原理和编程方法。我们在进行tensorflow编程时，程序的逻辑是：建立数据流图-->初始化变量-->运行程序。下面就每一步进行介绍。

建立数据流图
　　完成了这一部分的学习，我才了解了tensorflow的意思。在tensorflow中，程序的逻辑可以表示成数据流图，图的节点是一组对tensor（向量或者矩阵）的操作，节点的输出仍是一组向量或者矩阵。在建立数据流图时，可以先给出数据，或者用变量表示输入数据，在第三步运行时再对变量进行赋值。
```
import tensorflow as tf

# Create a Constant op that produces a 1x2 matrix.  The op is
# added as a node to the default graph.
#
# The value returned by the constructor represents the output
# of the Constant op.
matrix1 = tf.constant([[3., 3.]])

# Create another Constant that produces a 2x1 matrix.
matrix2 = tf.constant([[2.],[2.]])

# Create a Matmul op that takes ‘matrix1‘ and ‘matrix2‘ as inputs.
# The returned value, ‘product‘, represents the result of the matrix
# multiplication.
product = tf.matmul(matrix1, matrix2)
```
上面一段代码就创建了简单的图界面，节点的输入是两个常量矩阵，即在创建节点时已经给出了输入值，节点的输出是两个矩阵的乘积。当然，我们还可以用变量表示节点的输入，如步骤2的代码所示

初始化变量
如果我们在建立数据流图时定义了变量，程序在运行之前首先需要对变量进行初始化。用于变量初始化的命令很简单：tensorflow.initialize_all_variables(),在下面的程序中定义了变量并进行了变量的初始化：

import tensorflow as tf
import numpy as np

# Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data * 0.1 + 0.3

# Try to find values for W and b that compute y_data = W * x_data + b
# (We know that W should be 0.1 and b 0.3, but Tensorflow will
# figure that out for us.)
W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
b = tf.Variable(tf.zeros([1]))
y = W * x_data + b

# Minimize the mean squared errors.
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# Before starting, initialize the variables.  We will ‘run‘ this first.
init = tf.initialize_all_variables()

# Launch the graph.
sess = tf.Session()
sess.run(init)

运行程序，得到结果
运行程序之前需要通过tensorflow.Session()建立session，然后运行程序，如果我们已经在建立流图时给出了程序的输入，那么直接将需要计算的结果作为run的参数：

 1 import tensorflow as tf
 2 import numpy as np
 3 #输入已经给出
 4 x_data = np.random.rand(100).astype(np.float32)
 5 y_data = x_data * 0.1 + 0.3
 6 
 7 W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
 8 b = tf.Variable(tf.zeros([1]))
 9 y = W * x_data + b
10 
11 # Minimize the mean squared errors.
12 loss = tf.reduce_mean(tf.square(y - y_data))
13 optimizer = tf.train.GradientDescentOptimizer(0.5)
14 train = optimizer.minimize(loss)
15 
16 # Before starting, initialize the variables.  We will ‘run‘ this first.
17 init = tf.initialize_all_variables()
18 
19 # Launch the graph.
20 sess = tf.Session()
21 sess.run(init)
22 
23 # Fit the line.
24 for step in range(201):
25     sess.run(train)
26     if step % 20 == 0:
27         #我们需要计算W和b的值，将他们作为run的参数
28         print(step, sess.run(W), sess.run(b))
29 
30 # Learns best fit is W: [0.1], b: [0.3]

View Code

对于使用变量代表输入的程序，需要将变量赋值并作为run的参数：

#定义了变量，未经性赋值
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
output = tf.mul(input1, input2)

with tf.Session() as sess:
    #运行时，以字典形式传入变量的值
  print(sess.run([output], feed_dict={input1:[7.], input2:[2.]}))

View Code

tensorflow学习笔记一(代码片段)

1、tensorflow中的数据类型importtensorflowastfimportnumpyasnp#张量可以是数字、列表、ndarray#使用列表创建张量print(tf.constant([2,3]))print(tf.constant([[2,3],[1,4]]))#tensorflow2默认使用Eager动态图机制print(type(tf.constant([[2,3],[1,4] 查看详情

tensorflow学习笔记

一.背景　　本人学习Tensorflow是为了完成毕业设计的工作，之前并没有用过其他的深度学习平台，Tensorflow作为当前很流行的一个平台，无论是教学文档，还是使用其开发的工程，这些资源都是很丰富的，所以很适合新手来进行入... 查看详情

tensorflow学习笔记(代码片段)

TensorFlow学习笔记一、常量表示importtensorflowastfm1=tf.constant([[3,3]])m2=tf.constant([[2],[3]])product=tf.matmul(m1,m2)print(product)sess=tf.Session()result=sess.run(product)print(result)sess.close()withtf.S 查看详情

tensorflow学习笔记1

什么是TensorFlow? TensorFlow是Google开发的一款神经网络的Python外部的结构包,也是一个采用数据流图来进行数值计算的开源软件库.TensorFlow让我们可以先绘制计算结构图,也可以称是一系列可人机交互的计算操作,然后把编辑好的Pyth... 查看详情

tensorflow学习笔记入门(代码片段)

一、TensorFlow是什么？是谷歌开源的机器学习实现框架，本文从Python语言来理解学习Tensorflow以及机器学习的知识。TensorFlow的API主要分两个层次，核心层和基于核心层的高级API。核心层面向机器学习的研究人员，以... 查看详情

tensorflow学习笔记（转）

转自：http://blog.csdn.net/qq_32166627/article/details/52734387侵删。 tensorflow中有一类在tensor的某一维度上求值的函数。如：求最大值tf.reduce_max(input_tensor,reduction_indices=None,keep_dims=False,name=None)求平均值tf.red 查看详情

tensorflow学习笔记：mnist机器学习入门

...，首先从深度学习的入门MNIST入手。通过这个例子，了解Tensorflow的工作流程和机器学习的基本概念。一 MNIST数据集 MNIST是入门级的计算机视觉数据集，包含了各种手写数字的图片。在这个例子中就是通过机... 查看详情

tensorflow学习笔记(代码片段)

...13378306/article/details/56281549张量的阶、形状、数据类型 TensorFlow用张量这种数据结构来表示所有的数据.你可以把一个张量想象成一个n维的数组或列表.一个张量有一个静态类型和动态类型的维数.张量可以在查看详情

tensorflow学习笔记读取数据

Overview 之前几次推送的全部例程，使用的都是tensorflow预处理过的数据集，直接载入即可。例如：然而实际中我们使用的通常不会是这种超级经典的数据集，如果我们有一组图像存储在磁盘上面，如何以mini-b... 查看详情

tensorflow学习笔记补充1——interactivesession

InteractiveSession大家有时候在阅读代码时会看见InteractiveSession而不是熟悉的Session，这是什么东东呢？其实，它们只有一点不同。。。。。InteractiveSession是默认的session，这就意味着你可以在不声明session的条件下直接使用run()，eval()... 查看详情

tensorflow学习笔记一(代码片段)

tensorflow笔记之mnist手写识别系列一

tensorflow学习笔记：神经网络优化(代码片段)

本文是个人的学习笔记，是跟随北大曹健老师的视频课学习的附：bilibili课程链接和MOOC课程链接以及源码下载链接（提取码：mocm）文章目录一、预备知识1.条件判断和选择（where）2.[0,1)随机数（rando... 查看详情

tensorflow学习笔记mnist手写数字识别(代码片段)

...模型，以达到稳定的高性能，而是学会如何使用Tensorflow解查看详情

tensorflow学习笔记

简单神经网络构造importtensorflowastfimportmatplotlib.pyplotaspltimportnumpyasnptf.set_random_seed(1)np.random.seed(1)fakedatax=np.linspace(-1,1,100)[:,np.newaxis]#shape(100,1)noise=np.random.normal(0,0.1,size 查看详情

tensorflow2.0笔记(代码片段)

Tensorflow2.0笔记本博客为Tensorflow2.0学习笔记，感谢北京大学微电子学院曹建老师目录Tensorflow2.0笔记6优化器6.1SGD6.1.1vanillaSGD6.1.2SGDwithMomentum6.1.3withNesteroyAcceleration6.2AdaGrad6.3RMSProp6优化器优化算法可以分成一阶优化和二阶优化算法... 查看详情

tensorflow学习笔记

importtensorflowastfimportnumpyasnpimportmathimporttensorflow.examples.tutorials.mnistasmnsess=tf.InteractiveSession()mnist=mn.input_data.read_data_sets("E:\Python35\Lib\site-packages\tensorflow\ 查看详情

《tensorflow实战google深度学习框架（第二版）》学习笔记及书评(代码片段)

《TensorFlow实战Google深度学习框架（第二版）》学习笔记文章目录《TensorFlow实战Google深度学习框架（第二版）》学习笔记写在前面1.TensorFlow图像处理函数学习总结2.TensorFlow图像预处理完整样例3.TensorFlow多线程输入... 查看详情