Tensorflow框架学习
文章平均质量分 72
Peter`Young
这个作者很懒,什么都没留下…
展开
-
Tensorflow框架学习(三)
Introduction to Graphs 1. Intorduction to TensorFlow graphs 长期以来,人们对 TensorFlow 的最大抱怨是调试不灵活,随着 TensorFlow 2.0 的出现,情况发生了巨大变化。 现在 TensorFlow 允许快速运行和操作。这意味着,可以通过 Python 运行 TensorFlow 操作并将输出再次返回给 Python。这样创造了很大的灵活性,特别是对于项目调试。 但是不使用快速操作选项有一些优点。我们可以在 TensorFlow原创 2021-10-20 14:58:53 · 110 阅读 · 0 评论 -
Tensorflow框架学习(二)
Automatic Differentiation 自动微分是计算函数的导数,这对随机梯度下降(SGD)等算法很有用。 当我们实现神经网络并希望计算输出相对于与一系列函数连接的输入的微分时,它特别有用:L(x)=f(g(h(x)))L(x) = f(g(h(x)))L(x)=f(g(h(x))),微分过程如下: dLdx=dfdgdgdhdhdx\frac{dL}{dx}=\frac{df}{dg}\frac{dg}{dh}\frac{dh}{dx}dxdL=dgdfdhdgdxdh 这种方式称为链原创 2021-10-20 13:42:26 · 84 阅读 · 0 评论 -
Tensorflow框架学习(一)
Tensors 1. Tensors 简单来说,张量是在Tensorflow中使用的多维数组 我们做如下的定义: Rank:表示的是向量所拥有的维数 下面,我们将定义不同种类的张量并使用 tf.rank 函数显示它们的Rank tensor = tf.constant(0) print("Print constant tensor {} of rank {}".format(tensor, tf.rank(tensor))) print("Show full tensor:", tensor) #原创 2021-10-16 15:23:24 · 201 阅读 · 0 评论