TensorFlow深度学习
第一章
第1节 图的创建使用
实例:
# -*- coding:utf-8 -*-
import tensorflow as tf
'''创建图,启动图'''
m1=tf.constant([[3,4]])
m2=tf.constant([[3],[4]])
pro=tf.matmul(m1,m2)#创建一个矩阵乘法,传入m1,m2
print(pro)
#定义一个会话
sess=tf.Session()
#调用sess的run方法来执行矩阵乘法op
result=sess.run(pro)
print(result)
sess.close()
结果:
Tensor("MatMul:0", shape=(1, 1), dtype=int32)
[[25]]
第2节 变量的使用
# -*- coding:utf-8 -*-
import tensorflow as tf
'''变量的使用'''
x=tf.Variable([1,2])
a=tf.constant([3,3])
sub=tf.subtract(x,a)
add=tf.add(x,sub)
#变量要进行初始化
init=tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
print(sess.run(sub))
print(sess.run(add))
#创建一个变量初始化为0
state=tf.Variable(0,name='counter')
#创建一个OP,作用是state加1
new_value=tf.add(state,1)
#赋值op
update=tf.assign(state,new_value)
#变量初始化
init=tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
print(sess.run(state))
for _ in range(5):
sess.run(update)
print(sess.run(state))
结果:
[-2 -1]
[-1 1]
0
1
2
3
4
5
第3节 fetch 和 feed
# -*- coding:utf-8 -*-
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
'''fetch 和 feed'''
#fetch
tf.compat.v1.disable_eager_execution()
a=tf.constant(3.0)
b=tf.constant(2.0)
c=tf.constant(5.0)
add=tf.add(a,b)
mul=tf.multiply(c,add)
with tf.compat.v1.Session() as sess:
result=sess.run([mul,add])
print(result)
#feed
#创建占位符
x=tf.placeholder(tf.float32)
y=tf.placeholder(tf.float32)
z=tf.multiply(x,y)
with tf.compat.v1.Session() as sess:
print(sess.run(z,feed_dict={x:[8.],y:[2.]}))
结果:
[25.0, 5.0]
[16.]
第4节 小小的实例
# -*- coding:utf-8 -*-
import numpy as np
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
'''简单示例'''
tf.compat.v1.disable_eager_execution()
#使用numpy随机生成100个点
x_data=np.random.rand(100)
y_data=x_data*0.1+0.2
#构造一个线性模型
a=tf.Variable(0.)
b=tf.Variable(0.)
y=a*x_data+b
#二次代价函数
loss=tf.reduce_mean(tf.square(y_data-y))
#定义一个梯度下降法来进行训练的优化器
optimizer=tf.train.GradientDescentOptimizer(0.2)
#最小化代价函数
train=optimizer.minimize(loss)
init=tf.global_variables_initializer()
with tf.compat.v1.Session() as sess:
sess.run(init)
for step in range(201):
sess.run(train)
if step%20==0:
print(step,sess.run([a,b]))
结果:
0 [0.05334107, 0.099916965]
20 [0.103049114, 0.19836591]
40 [0.10171585, 0.1990805]
60 [0.10096557, 0.19948256]
80 [0.100543365, 0.19970882]
100 [0.100305766, 0.19983615]
120 [0.10017206, 0.1999078]
140 [0.10009683, 0.19994812]
160 [0.100054495, 0.1999708]
180 [0.100030676, 0.19998355]
200 [0.100017264, 0.19999075]