TensorFlow1

ashe 發布于2019-07-30 14:51 / 1607人閱讀

摘要：是一個開源軟件庫，它使用數據流圖的形式進行數值計算。什么是數據流圖節點表示數學運算操作符邊用于傳送節點之間的多維數組，即張量。安裝版本版本檢查安裝以及版本利用打印創建一個運算符這個，作為一個，添加到中啟動進程運行，并輸出結果表示字節符。

TensorFlow

Tensorflow是一個開源軟件庫，它使用數據流圖的形式進行數值計算。

什么是數據流圖（Data Flow Graph）

節點（Nodes）：表示數學運算操作符

邊（Edges）：用于傳送節點之間的多維數組，即張量。

安裝TensorFlow

CPU版本：pip install --upgrade tensorflow

GPU版本：pip install --upgrade tensorflow-gpu

檢查安裝以及版本

>>> import tensorflow as tf
>>> tf.__version__
"1.3.0"

利用TensorFlow打印‘Hello World！’

# 創建一個constant運算符(op)
# 這個op，作為一個node，添加到graph中
hello = tf.constant("Hello, TensorFlow!")

# 啟動TF進程（session）
sess = tf.Session()

# 運行op，并輸出結果
print(sess.run(hello))

b"Hello, TensorFlow!"

b"String": "b"表示字節符。

計算圖（Computational Graph）

# 1.使用TensorFlow運算符op搭建graph
node1 = tf.constant(3.0, tf.float32)
node2 = tf.constant(4.0)
node3 = tf.add(node1, node2)

# 2.丟入數據，并運行graph：sess.run(op)
# 3.自動更新graph中的變量并返回
sess = tf.Session()
print("sess.run(node1, node2):", sess.run([node1, node2]))
print("sess.run(node3):", sess.run(node3))

sess.run(node1, node2): [3.0, 4.0]
sess.run(node3): 7.0

TensorFlow運行機制

1.使用TensorFlow運算符op搭建graph

2.丟入數據，并運行graph：sess.run(op)

3.自動更新graph中的變量并返回值

占位符（Placeholder）

# 1.使用TensorFlow運算符op搭建graph
a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
adder_node = tf.add(a, b)

# 2.丟入數據，并運行graph：sess.run(op， feed_dict{x: x_data})
# 3.自動更新graph中的變量并返回值
print(sess.run(adder_node, feed_dict={a: 3, b: 4.5}))
print(sess.run(adder_node, feed_dict={a: [1, 3], b: [2, 4]}))

7.5
[3. 7.]

TensorFlow機制

1.使用TensorFlow運算符op搭建graph

2.丟入數據，并運行graph：sess.run(op， feed_dict{x: x_data})

3.自動更新graph中的變量并返回值

萬物皆張量（Everything is Tensor） Tensors

3    # rank為0的張量，即shape為[]的表量
[1., 2., 3.]    # rank為1的張量;shape為[3]的向量
[[1., 2., 3.], [4., 5., 6.]]    # rank為2的張量;shape為[2, 3]的矩陣
[[[1., 2., 3.]], [[7., 8., 9.]]]    # rank為3的張量，形狀為[2, 1, 3]

張量的階、形狀和類型

Tersor Ranks, Shapes, and Types

階（Ranks）

秩／階	數學名稱	Python實例
0	標量	s = 483
1	向量	v = [1., 2., 3.]
2	矩陣	m = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
3	3-Tensor	t = [[[2], [4], [6]], [[8], [10], [12]], [[14], [16], [18]]]
n	n-Tensor	...

形狀（Shapes）

Rank	Shape	維數	示例
0	[]	0-D	0維Tensor; 標量
1	[D0]	1-D	形狀為[5]的1維張量
2	[D0, D1]	2-D	形狀為[3, 4]的2維張量
3	[D0, D1, D2]	3-D	形狀為[1, 4, 3]的3維張量
n	[D0, D1, ..., Dn-1]	n-D	形狀為[D0, D1, ..., Dn-1]的n維張量

類型（Types）

數據類型	Python數據類型	描述
FLOAT	tf.float32	32位浮點型
DOUBLE	tf.float64	64位浮點型
INT8	tf.int8	有符號8位整型
INT16	tf.int16	有符號16位整型
INT32	tf.int32	有符號32位整型
INT64	tf.int64	有符號64位整型

云服務器 GPU云服務器

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。

轉載請注明本文地址：http://m.specialneedsforspecialkids.com/yun/40959.html

tensorflow1.3安裝

好的，下面是一篇關于TensorFlow 1.3安裝的編程技術類文章： TensorFlow 是一種流行的機器學習框架，它可以幫助開發人員構建和訓練各種深度學習模型。在本文中，我們將介紹如何安裝 TensorFlow 1.3 版本。首先，我們需要安裝 Python。TensorFlow 1.3 支持 Python 2.7 和 Python 3.5，我們可以從官方網站下載并安裝適合我們操作系統...

weizx 2023-04-26 02:14 評論0 收藏1165
tensorflow1轉tensorflow2

當談到機器學習模型訓練和部署時，TensorFlow是最流行的框架之一。TensorFlow 2.0是TensorFlow的最新版本，它提供了許多新的功能和改進，使得模型訓練和部署更加容易和高效。在這篇文章中，我們將討論如何將TensorFlow 1.x代碼遷移到TensorFlow 2.0。 1. 張量（Tensors）和變量（Variables）的改變在TensorFlow 1.x中，我...

mzlogin 2023-04-26 02:16 評論0 收藏420
python深度神經網絡tensorflow1.0主要參數和svm算法

　　本文主要是給大家介紹了python深度神經網絡tensorflow1.0主要參數和svm算法，感興趣的小伙伴可以參考借鑒一下，希望可以有一定的幫助，祝愿大家盡可能不斷進步，盡早漲薪　　tf.trainable_variables()獲取練習主要參數　　在tf中，參加鍛煉的主要參數可用tf.trainable_variables()分離出來，如：　　#取出所有參與訓練的參數　　params=t...

89542767 2022-12-23 17:14 評論0 收藏0
python機器學習tensorflow1.0主要參數和svm算法

　　此篇文章首要給大家介紹了python機器學習tensorflow1.0主要參數和svm算法，感興趣的小伙伴可以參考借鑒一下，希望可以有一定的幫助，祝愿大家多多的發展，盡快漲薪。　　tf.trainable_variables()提取訓練參數　　在tf中，參與訓練的參數可用tf.trainable_variables()提取出來，如：　#取出所有參與訓練的參數　　params=tf.train...

89542767 2022-12-23 21:11 評論0 收藏0
TensorFlow1.2.0版發布：14大新功能，增加Intel MKL集成

摘要：主要的功能和改進上支持。對象現在從屬于，在發布時的嚴格描述已經被刪除一個首次被使用，它自己緩存其范圍。在發布前，許多的的功能和類別都在命名空間中，后被移到。雖然我們會盡量保持源代碼與兼容，但不能保證。為增加了雙線性插值。主要的功能和改進1. Windows上支持Python3.6。2. 時空域去卷積（spatio temporal deconvolution.）增加了tf.layers.c...

cjie 2019-04-25 18:15 評論0 收藏0