Tensorflow(keras)相关操作

tensorflow除了变量创建稍微麻烦一些和必须建立session来运行，其他的操作基本和普通Python一样

 

主函数中run会调用main

 

1、创建常量矩阵 tf.constant

x = tf.constant([[1.0,2.0]])

w = tf.constant([3.0],[4.0])

 

2、创建一个矩阵乘法 tf.matmul

但创建后不会立即执行，在会话中执行

y = tf.matmul(x,w)

 

3、定义会话 tf.Session()

sess = tf.Session()

 

4、通过会话运算乘法，得到结果  sess.run()

res = sess.run(y)

或者是

with tf.Session() as sess:

      sess.run(y)

(使用这种写法，运行完毕后，会话会自动关闭)

 

5、变量初始化 tf.global_variables_initializer()

sess.run(tf.global_variables_initializer())

 

6、生成随机变量

w = tf.Variable(tf.random_normal([2,3], stddev=1, mean=0, seed=1))

生成2*3的矩阵

 

7、placeholder占位符

变量在定义时要初始化，但是如果有些变量刚开始我们并不知道它们的值，无法初始化，那怎么办呢？

那就用占位符来占个位置，指定这个变量的类型和shape，以后再用feed的方式来输入值。

x = tf.placeholder(tf.float32, shape=(1,2))

sess.run(y, feed_dict={x:[[0.7,0.5]]})   

（#sess.run要运行y。但是要算y就要算x，但此时x只是占位了，所以要给他赋值才能算）

喂多组数据

x = tf.placeholder(tf.float32, shape=(None,2))

sess.run(y,feed_dict={x: [[0.1,0.2],[0.2,0.3],[0.3,0.4],[0.4,0.5]]})

 

tf.reshape()

-1代表的含义是不用我们自己指定这一维的大小，函数会自动计算，但列表中只能存在一个-1

x = tf.reshape(x, [-1,3,32,32])

 

Keras的backend

keras有两个backend——tensorflow和theano

backend就是keras是基于哪个东西来做运算的

当输入import keras之后，就可以看到backend是哪个

 

keras.backend.clear_session()

clear_session就是清除一个session。而session就是tensorflow中我们常见的会话。

销毁当前的TF图并创建一个新图，有助于避免旧模型/图层混乱。

 

 

tf.keras.utils.get_file

该函数的作用主要是直接从URL下载资源

import tensorflow as tf

train_path = tf.keras.utils.get_file(
    fname="iris_training.csv", origin="https://storage.googleapis.com/download.tensorflow.org/data/iris_training.csv")
test_path = tf.keras.utils.get_file(
    fname="iris_test.csv11", origin="https://storage.googleapis.com/download.tensorflow.org/data/iris_test.csv")

print(train_path)
print(test_path)

从origin下载文件存在本地命名为fname

 

tf.layers.dense()

dense ：全连接层  相当于添加一个层

 

tf.keras.callbacks.TensorBoard

调用tensorboard

tensorboard_callback = keras.callbacks.TensorBoard(log_dir="logs")

 

tf.feature_column

​​​​​​​tf.feature_column是原始数据和estimator模型之间的桥梁