Tensorflow学习系列(二): tensorflow基础

最新推荐文章于 2024-04-22 23:16:36 发布
VIP文章 最新推荐文章于 2024-04-22 23:16:36 发布
阅读量2.3k 收藏 2
点赞数
分类专栏： 深度学习 文章标签： tensorflow 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/vs412237401/article/details/62039686
版权

如需转载，请注明出处，欢迎加入深度学习群 255568483

Graph basics由nodes(结点)和Edges(边缘)组成。

用一个简单的例子来讲解：

 

数据从左到右，请参见箭头的方向

1.在开始的时候，有两个值5和3，他们可能来自其它的Graph 或者从文件中或者是用户直接输入的。

2.这两个初始化的值被传到input结点࿰

最低0.47元/天 解锁文章
vs412237401
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
tensorflow函数学习（一）
weixin_36103474的博客
04-01 167
1. tensorflow.Session() import tensorflow as tf state = tf.Variable(0.0,dtype=tf.float32) one = tf.constant(1.0,dtype=tf.float32) new_val = tf.add(state, one) update = tf.assign(state, new_val) # ...
kaggle使用深度学习的logistic回归方法实现疟疾细胞图像分类
CDBmax的博客
04-22 666
import os这段代码是一个典型的Python导入语句集，涵盖了在进行机器学习和图像处理项目中常用的库和模块。numpy (np: 一个强大的数学库，提供高效的多维数组对象和大量操作这些数组的函数，是科学计算中广泛使用的工具。pandas (pd: 提供高性能、易用的数据结构和数据分析工具，非常适合用来处理结构化数据。os: 用于与操作系统进行交互，比如读取文件路径、管理目录。plt和seaborn (snsmatplotlib是Python中的一个绘图库，非常适合创建静态、动态和交互式的可视化。
python-tensorflow不定型变量
xingghaoyuxitong的博客
03-03 126
import tensorflow as tf #1、定义一个不定形状的变量 x = tf.Variable( initial_value = [], dtype = tf.float32, trainable=False, #不把它加载到内存环境中间，单独维护它 validate_shape=False #设置为True，表示在变量更新的时候，运行shape的检查，默认为True ) #2、变量更改 #定义一个拼接操作，axis=0表示横向拼接 concat.
python-tensorflow 变量、常量、占位符及相互赋值
xingghaoyuxitong的博客
03-01 395
import tensorflow as tf #1、定义一个变量，必须给定初始值 a = tf.Variable(initial_value = 3,dtype=tf.float32) #2、定义一个张量 b = tf.constant(value=2.0,dtype=tf.float32) c = tf.add(a,b) #3、在启动图之前，变量必须先经过初始化操作 init_op = tf.initialize_all_variables() #3、启动图 with tf.Session().
深入浅出TensorFlow2函数——tf.Variable
热门推荐
冯·诺依曼
04-09 1万+
tf.Variable( initial_value=None, trainable=None, validate_shape=True, caching_device=None, name=None, variable_def=None, dtype=None, import_scope=None, constraint=None, synchronization=tf.VariableSynchronization.AUTO
tf.Variable变量初始化
liugan528的博客
10-17 1589
TensorFlow中可以通过常量，随机数，常数生成器来对变量进行初始化，也可以用其它变量的值进行初始化。 常数生成器返回表示特定常数的Tensor: tf.fill() tf.zeros() tf.zeros_like() tf.eye() tf.ones() tf.ones_like() import tensorflow as tf g = tf.Graph() with g.as_default(): v1 = tf.fill(dims=[2, 3], value=9,name='v1')
人工智能实践：Tensorflow笔记：代码总结（1）
weixin_42721412的博客
09-30 590
1.变量定义： Variable表示可训练的，一般w，b要标记为可训练的。 b = tf.Variable(tf.constant(5,dtype=tf.float32)) 2.求梯度的基础模板代码： import tensorflow as tf w = tf.Variable(tf.constant(5,dtype=tf.float32)) lr = 0.2 epoch = 40 for epoch in range(epoch): with tf.GradientTape() as tape:
第一节，TensorFlow基本用法
weixin_42166592的博客
12-02 180
推荐播客：我的Tensorflow学习之路 http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/basic_usage.html 项目代码： https://github.com/yongyehuang/Tensorflow-Tutorial 一 TensorFlow安装 TensorFlow是谷歌基于DistBeli...
x = tf.Variable(0.)
weixin_35753291的博客
12-17 110
x 是一个 TensorFlow 变量，它的初始值为 0.0。 TensorFlow 变量是一种张量(tensor)，它的值可以在 TensorFlow 程序执行过程中改变。 TensorFlow 变量需要在使用之前先进行初始化，方法是调用 tf.initialize_all_variables() 函数。 TensorFlow 变量通常用于保存和更新模型的参数。 例如，假设你想要定义一个线性回归...
人工智能与机器学习 技术关键词： TensorFlow 内容关键词： 深度学习框架 用途： 构建和训练复杂的神经网络模型
04-04
对资源的描述： 这是一个详尽的在线教程系列，涵盖了使用TensorFlow深度学习框架的基础知识和高级应用。它提供了丰富的代码示例、最佳实践和性能优化技巧，旨在帮助开发者从模型原型设计到生产级部署的全过程。
Tensorflow基础入门系列
06-09
本课程上半部分会从Tensorflow基础的框架开始介绍，从Tensorflow的安装开始，一步一步仔细讲解Tensorflow中的各种技术细节。让大家上手编写神经网络。同时也会补充一些深度学习相关的理论知识，如交叉熵，Softmax...
Tensorflow进阶项目系列
06-09
本课程上半部分会从Tensorflow基础的框架开始介绍，从Tensorflow的安装开始，一步一步仔细讲解Tensorflow中的各种技术细节。让大家上手编写神经网络。同时也会补充一些深度学习相关的理论知识，如交叉熵，Softmax...
颜色分类leetcode-TensorFlow-LiveLessons:“使用TensorFlow进行深度学习”LiveLessons
07-06
请注意，该视频系列的第二版现已推出。 第二版包含此（第一版）的所有内容以及更多内容，以及更新的库版本。 此存储库是随附代码的所在地： LiveLessons（摘要博客文章） LiveLessons（摘要博客文章） LiveLessons...
Learn2Ai4TensorFlow2:《带你学AI与TensorFlow2实战》，系列教程为与 TensorFlow 社区合作出品，文章已入选 “TensorFlow 开发者出道计划” 精选推荐
05-29
从而让我萌发了写一个一步步手把手带大家如何从零开始学习，使得基础薄弱的人员能以更简单易懂的方式入门深度学习与实战开发系列教程——《带你学AI与TensorFlow2实战》。《带你学AI》包括对于深度学习原理的直白...
Tensorflow AutoGraph 的作用和功能
最新发布
叶庭云 成为自己的光
04-22 777
Tensorflow AutoGraph 的作用和功能
TensorFlow轻松入门（一）（更新中）
weixin_46157873的博客
04-22 288
常见模块 tf. ：包含了张量定义，变换等常用函数和类； tf.data：输入数据处理模块，提供了像tf.data.Dataset等类用于封装输入数据，指定批量大小等； tf.image：图像处理模块，提供图像剪裁、变换、编码、解码等类； tf.keras：原Keras框架高阶API，包含原tf.layers中高阶神经网络的各种层； tf.linalg：线性代数模块，提供了大量先行代数计算方法和类； tf.losses：损失函数模块，用于方便神经网络定义损失函数； tf.math：数据计算模块
深度学习每周学习总结P5（运动鞋识别）
qq_33489955的博客
04-19 871
数据导入及处理部分：本次数据导入没有使用torchvision自带的数据集，需要将原始数据进行处理包括数据导入，数据类型转换。划分数据集：划定训练集测试集后，再使用torch.utils.data中的DataLoader()加载数据.注意：与之前不同的是，本次的数据集是已经划分好的。模型构建部分：有两个部分一个初始化部分（init()）列出了网络结构的所有层，比如卷积层池化层等。第二个部分是前向传播部分，定义了数据在各层的处理过程。
爆款博客：深入解析卷积神经网络在人脸识别中的应用——从理论到实践
youmashengyue的博客
04-22 379
在人工智能领域，人脸识别技术由于其广泛的应用前景和高度的实用性，已经成为研究的热点之一。通过本篇博客的介绍，你应该对卷积神经网络在人脸识别中的应用有了一个全面的了解。在这个项目中，我们使用Keras框架搭建了一个基于CNN的人脸识别模型，并在一个标记好的数据集上进行训练和测试。CNN在人脸识别中的应用，关键在于其强大的特征提取能力。通过实验，我们的模型达到了90%以上的准确率，有效地识别出了不同人物的面部图像。通过这样的深入分析和丰富的实例，这篇博文有望成为研究卷积神经网络和人脸识别技术的一篇爆款文章。
深度学习之基础模型——长短时记忆网络LSTM
m0_61787307的博客
04-22 640
这样做的原理在于，“短期记忆”和“新记忆”拼接起来形成的新张量，如果值比较小说明该记忆不重要，不重要就会被 sigmoid 赋予更接近于 0 的权重，反之则会赋予更接近于 1 的权重。LSTM 的初衷也是如此，通过一些手段使得重要的信息得以保留，而不重要的信息被抛弃，使得重要的信息所占“记忆”的“比重”变高。而“短期记忆线”，顾名思义，主要是汇集短期时间内的输入信息，并根据其重要程度，将重要的传给“长期记忆线”，而将不重要的抛弃，这样“长期记忆线”就能够更好地维持其所拥有的信息更加有效。
Tensorflow基础训练
04-05
Tensorflow是一个开源的机器学习框架，由Google开发。它被广泛应用于深度学习、神经网络和其他机器学习算法的开发和部署。 以下是Tensorflow基础训练的步骤： 1. 安装Tensorflow Tensorflow可以通过pip命令安装。在命令行中输入以下命令即可： pip install tensorflow 2. 创建Tensorflow图 在Tensorflow中，图是指一系列的操作。创建图的第一步是创建一个空白的图，然后向其中添加操作。在Tensorflow中，所有的操作都是节点，它们可以接受输入并产生输出。以下是创建一个简单的图的示例： import tensorflow as tf # 创建一个空白的图 graph = tf.Graph() # 向图中添加节点 with graph.as_default(): a = tf.constant(5) b = tf.constant(2) c = tf.add(a, b) 3. 运行Tensorflow图 在Tensorflow中，我们需要创建一个会话来运行图。会话是Tensorflow中用于执行图的对象。我们可以使用会话执行图中的操作，并获取它们的输出。以下是运行上面创建的图的示例： import tensorflow as tf # 创建一个图 graph = tf.Graph() # 向图中添加节点 with graph.as_default(): a = tf.constant(5) b = tf.constant(2) c = tf.add(a, b) # 创建一个会话 with tf.Session(graph=graph) as session: # 运行图中的操作 result = session.run(c) print(result) 输出结果为： 7 4. 使用Tensorflow变量 在Tensorflow中，变量是指可以在图中持久化存储的值。我们可以使用变量来存储模型的参数。以下是创建和使用Tensorflow变量的示例： import tensorflow as tf # 创建一个变量 x = tf.Variable(0, name='counter') # 创建一个操作 increment_op = tf.assign(x, x+1) # 创建一个会话 with tf.Session() as session: # 初始化变量 session.run(tf.global_variables_initializer()) # 运行操作 print(session.run(increment_op)) print(session.run(increment_op)) print(session.run(increment_op)) 输出结果为： 1 2 3 5. 保存和加载Tensorflow模型 在Tensorflow中，我们可以使用Saver对象将模型保存到磁盘上，并在需要时加载它们。以下是保存和加载Tensorflow模型的示例： import tensorflow as tf # 创建一个变量 x = tf.Variable(0, name='counter') # 创建一个操作 increment_op = tf.assign(x, x+1) # 创建一个Saver对象 saver = tf.train.Saver() # 创建一个会话 with tf.Session() as session: # 初始化变量 session.run(tf.global_variables_initializer()) # 运行操作 print(session.run(increment_op)) print(session.run(increment_op)) print(session.run(increment_op)) # 保存模型 saver.save(session, 'my-model') # 加载模型 with tf.Session() as session: # 加载模型 saver.restore(session, 'my-model') # 运行操作 print(session.run(increment_op)) print(session.run(increment_op)) print(session.run(increment_op)) 输出结果为： 1 2 3 4 5 6 以上就是Tensorflow基础训练的步骤。Tensorflow是一个非常强大的机器学习框架，它提供了丰富的工具和函数库，可以帮助我们开发和部署各种机器学习模型。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值