Tensorflow2.x入门程序解释

最新推荐文章于 2024-01-14 19:13:03 发布

dyxz78

最新推荐文章于 2024-01-14 19:13:03 发布

阅读量822

点赞数 1

文章标签： tensorflow python 深度学习

本文链接：https://blog.csdn.net/dyxz78/article/details/106974831

版权

Tensorflow2.x入门程序解释加粗样式TOC

Tensorflow2.x入门程序解释

一、Tensorflow1.x原官方程序

在tensorflow2.0之前的版本，有一官方程序用于拟合一个平面，如下：
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()
sess.run(init)

#拟合平面
for step in xrange(0, 201):
sess.run(train)
if step % 20 == 0:
print step, sess.run(W), sess.run(b)

二、TensorFlow 基本原理

TensorFlow主要分为计算模型、数据模型和运行模型。

1.TensorFlow计算模型——计算图

TensorFlow中的计算可以表示为一个有向图(directed graph),或称为计算图(computation graph)或数据流图(dataflow graphs)，其中每一个运算操作(operation)将作为一个节点(Node)，节点与节点之间的连接称为边(edge)。这个计算图描述了数据的计算流程，在计算图的边中流动(flow)的数据被称为张量(tensor),故得名Tensorflow。