目标:搭建第一个神经网络,总结搭建八股
基于tensorflow的nn:用张量表示数据,用计算图搭建神经网络,用会话执行计算图,优化线上的权重(参数),得到模型。
张量(tensor):多维数组(列表) 阶:张量的维数
维数 阶 名字 例子
0-D 0 标量 scalar s=123
1-D 1 向量 vector s=[1,2,3]
2-D 2 矩阵 matrix s=[[1,2,3],[4,5,6],[7,8,9]]
N-D n 张量 tensor t=[[[(n个)
import tensorflow as tf
a=tf.constant([1.0,2.0])
b=tf.constant([3.0,4.0])e
result=a+b
print(result)
计算图(Graph):搭建神经网络的计算过程,只搭建,不计算
得到的结果:Tensor("add:0", shape=(2,), dtype=float32)
只知道result是两行一列的浮点数向量,并不知道结果
要想知道结果,就要创建会话session
session:执行计算图中的节点运算
具体:
with tf.Session() as sess:
print(sess.run(result))
结果:[4. 6.]