tensorflow2
糯米君_
算法工程师
展开
-
tensorflow--tf实现线性回归
TensorFlow提供了硬件加速运算(GPU 支持)、自动求导、优化器等一系列对深度学习非常重要的功能。下面将展示如何使用TensorFlow 在即时执行模式下计算一元线性回归。import numpy as npimport tensorflow as tfimport timeX_raw = np.array([2013, 2014, 2015, 2016, 2017], dtype=np.float32)y_raw = np.array([12000, 14000, 15000, 165原创 2021-04-18 22:23:11 · 159 阅读 · 0 评论 -
tensorflow--自动求导机制
在机器学习中,我们经常需要计算函数的导数。TensorFlow提供了强大的自动求导机制来计算导数。以下代码展示了如何使用tf.GradientTape()方法计算函数的导数# TensorFlow 提供了强大的自动求导机制来计算导数import tensorflow as tf# 变量# 变量与普通张量的一个重要区别是,它默认能够被TensorFlow 的自动求导机制求导,因此经常用于定义机器学习模型的参数。x = tf.Variable(initial_value=3.)# tf. Grad原创 2021-04-18 22:14:32 · 404 阅读 · 0 评论 -
tensorflow--tf实现矩阵乘法和加法
tf.add()和tf.matmul()的简单实现import tensorflow as tf# tf2默认为即时执行模式# TensorFlow 使用张量(tensor)作为数据的基本单位。TensorFlow 的张量在概念上等同于多维数组,# 我们可以使用它来描述数学中的标量(零维数组)、向量(一维数组)、矩阵(二维数组)等# 定义一个随机数(标量)random_float = tf.random.uniform(shape=())print(random_float)random原创 2021-04-18 22:10:16 · 1059 阅读 · 0 评论 -
tensorflow--tf的第一个程序
tf2默认为即时执行模式(Eager Execution)import tensorflow as tf# 默认及时执行模式A = tf.constant([[1, 2], [3, 4]])B = tf.constant([[5, 6], [7, 8]])# 矩阵乘法C = tf.matmul(A, B)print(C)原创 2021-04-14 00:25:08 · 92 阅读 · 0 评论 -
tensorflow--自动求导机制tf.GradientTape
一个上下文管理器(context manager)来连接需要计算梯度的函数和变量,方便求解同时也提升效率。举个例子:计算y=x^2在x = 3时的导数:import tensorflow as tfx = tf.constant(3.0)with tf.GradientTape() as g: g.watch(x) y = x * xdy_dx = g.gradient(y, x) # y’ = 2*x = 2*3 = 6tf.print(dy_dx)...原创 2021-03-24 23:42:42 · 275 阅读 · 0 评论 -
tensorflow--tf.reduce_sum( ) 函数
reduce_sum( ) 是求和函数,可以通过调整 axis =0,1 来控制求和的维度。import numpy as npimport tensorflow.compat.v1 as tftf.disable_v2_behavior()x = tf.constant([[1, 1, 1], [1, 1, 1]])d0 = tf.reduce_sum(x)d1 = tf.reduce_sum(x, 0)d2 = tf.reduce_sum(x, 0, keepdims=True)d3原创 2021-03-24 23:28:43 · 284 阅读 · 0 评论 -
tensorflow--AutoGraph:将 Python 控制流转换为 TensorFlow 计算图
使用 tf.autograph 模块的低层 API tf.autograph.to_code 将函数 square_if_positive 转换成 TensorFlow 计算图:import tensorflow as tf# @tf.function 使用名为 AutoGraph 的机制将函数中的 Python 控制流语句转换成 TensorFlow 计算图中的对应节点。# 以下是一个示例,使用 tf.autograph 模块的低层 API tf.autograph.to_code 将函数 squ原创 2021-03-24 23:12:08 · 219 阅读 · 0 评论 -
tensorflow--@tf.function基础使用
在 TensorFlow 2 中,推荐使用 tf.function (而非 1.X 中的 tf.Session )实现图执行模式,从而将模型转换为易于部署且高性能的 TensorFlow 图模型。只需要将我们希望以图执行模式运行的代码封装在一个函数内,并在函数前加上 @tf.function 即可import tensorflow as tfimport timefrom zh.model.mnist.cnn import CNNfrom zh.model.utils import MNISTLoa原创 2021-03-24 23:08:16 · 1044 阅读 · 0 评论