走进tensorflow第一步——官方小程序

26 篇文章 263 订阅 ¥9.90 ¥99.00

这段时间一直在准备两个答辩,有点心累,学的比较杂,除了毕设方向,其他的也看看,算是弥补一下基础吧。

关于tensorflow是绕不开的,之前是在anaconda中直接配的,比较方便,实验室配的台式机木有N卡,那就只能玩cpu了……

无意间在w3school上看到了tensorflow的官方文档,话说好久好久都没有看w3了,当年学html的时候可是天天看,真是一段难忘的岁月……

话不多说,上一个实例的tensorflow小程序,略有修改(源程序是python2的,现在用的是3.6)

import tensorflow as tf
import numpy as np

# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300

# 构造一个线性模型
# 
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b

# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# 初始化变量
init = tf.initialize_all_variables()

# 启动图 (graph)
sess = tf.Session()
ses
  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
TensorFlow.js 是一个基于 JavaScript 的机器学习库,可以在浏览器环境和 Node.js 环境中运行机器学习模型。而蘑菇分类小程序是一个利用 TensorFlow.js 实现的,用于识别不同种类的蘑菇的应用。 在蘑菇分类小程序中,首先需要准备一个已经经过训练的模型,该模型可以预测蘑菇的类型。这个模型可以通过 TensorFlow 或者其他机器学习库在训练数据集上进行训练得到。 接下来,在小程序的界面上,用户可以通过拍摄或上传一张蘑菇的照片。小程序会将这张照片转换为一个张量(Tensor),然后通过加载预训练模型来进行蘑菇类型的预测。常见的蘑菇类型可以包括有毒和无毒两种。 在预测完成后,小程序会将预测结果展示给用户。用户可以了解到这种蘑菇是有毒的还是无毒的,以便在野外采摘蘑菇时可以进行正确的警惕和保护。 蘑菇分类小程序的核心是利用 TensorFlow.js 进行蘑菇类型的预测。将训练好的模型加载到小程序中,并利用该模型对用户上传的蘑菇照片进行预测。这样,用户可以通过这个小程序来判断野外的蘑菇是否有毒,提高采摘蘑菇的安全性。 通过这个小程序,用户可以方便地识别出蘑菇的类型,避免误食有毒蘑菇对健康造成危害。同时,这个小程序也展现了 TensorFlow.js 在网页和移动应用中的应用潜力,为开发人员提供了一种用 JavaScript 来构建机器学习应用的新方式。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

beyond_LH

您的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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