TensorFlow学习笔记

最新推荐文章于 2019-04-24 15:12:18 发布

himon980

最新推荐文章于 2019-04-24 15:12:18 发布

阅读量457

点赞数 1

分类专栏：人工智能 TensorFlow 知识点梳理文章标签： TensorFlow

本文链接：https://blog.csdn.net/u012559520/article/details/79093562

版权

本文是TensorFlow的学习笔记，涵盖了tf.name_scope用于命名空间管理，TensorFlow中的核心操作ops，Summaries的理解，tf.train.Supervisor在训练过程中的应用，以及如何使用tf.add_to_collection收集特定值。另外，探讨了LSTMStateTuple和zero_state的区别，tf.train.export_meta_graph用于模型保存，以及RNN中clip_by_global_norm在梯度处理的作用和执行原理。最后，介绍了tf.reshape()在调整张量形状中的使用。

摘要由CSDN通过智能技术生成

@ tf.name_scope(name, default_name=None, values=None)

定义命名空间（或定义域），可以嵌套使用，用于管理该命名空间下的东西，并用于session graph的可视化

@ Tensorflow 中的 op:

Ops are say the core of tensorflow.
TensorFlow is a programming system in which you represent computations as graphs. Nodes in the graph are called ops (short for operations). An op takes zero or more Tensors, performs some computation, and produces zero or more Tensors.

In [74]: with tf.Session() as sess:
    ...:     zer = tf.zeros(shape=(32, 32))
    ...:     print(zer.op)
    ...:     
name: "zeros_11"
op: "Const"
attr {
  key: "dtype"
  value {
    type: DT_FLOAT
  }
}
attr {
  key: "value"
  value {
    tensor {
      dtype: DT_FLOAT
      tensor_shape {
        dim {
          size: 32
        }
        dim {
          size: 32
        }
      }
      float_val: 0.0
    }
  }
}

zer.op in your example prints out the features of Tensor zer in that json-like format