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。
2.TensorFlow数据模型——张量
张量是TensorFlow管理数据的形式,从功能的角度看,张量就是一个多维数组。一个张量中主要保存了三个属性:名字(name)、维度