tensorflow框架

1. 基于Tensorflow的NN：用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。

• 张量（tensor）:多维数组（列表）          阶：张量的维数；

 

维数	阶	名字	例子
0-D	0	标量 scalar	s=1 2 31
1-D	1	向量 vector	v=[1,2,3]
2-D	2	矩阵 matrix	m=[[1,2,3],[4,5,6],[7,8,9]]
n-D	n	张量 tensor	t=[[.....

 

 

 

 

 

 

•   数据类型： tf.float32 tf.in32  ...

• import tensorflow as tf
  
  a=tf.constant([1.0,2.0])
  b=tf.constant([3.0,4.0])
  
  result=a+b
  print(result)
  
  

  结果：Tensor("add_5:0", shape=(2,), dtype=float32)

• add_5:0	节点名：第0个输出
  shape=(2,)	维度：一维数组，长度2
  dtype=float32	数据类型

• tf.constant():表示定义常量；

• 计算图（Graph）：搭建神经网络计算过程，只搭建，不运算。

• y=XW

    =x1*w1+x2*w2

• import tensorflow as tf
  
  x=tf.constant([[1.0,2.0]])
  w=tf.constant([[3.0],[4.0]])
  
  y=tf.matmul(x,w)
  print(y)
  
  with tf.Session() as sess:
      print(sess.run(y))
  

  Tensor("MatMul:0", shape=(1, 1), dtype=float32)
   

• 会话（Session）：执行计算图中的节点运算。

• with tf.Session() as sess:
  
      print(sess.run(y))