作者:来自读者投稿
来源:Python数据之道
TensorFlow 零基础入门指南
TensorFlow 是一个开发源代码软件库,它可以进行高性能的数值计算与分析,借助其灵活的架构,可以将其部署到多种平台(CPU、GPU、TPU)和设备(桌面设备、移动设备、集群)。TensorFlow 为机器学习和深度学习提供了很多强有力的支持,本篇文章小编为大家整理了很多 TensorFlow 的基础编程知识,非常适合初学者学习,一起来看看吧!
1、 TensorFlow 计算模型
TensorFlow 顾名思义,是由 Tensor + Flow 组成,Tensor 叫做张量,主要起到数据结构的作用,Flow 叫做流,用来表示计算模型,即张量之间通过计算而转换的过程 。TensorFlow 是一个提供计算图的形式表述计算的编程系统,每一个计算都是计算图上的一个节点,节点之间的边描述的计算之间的关系。
计算图的实例
#一个简单的计算图
node1 = tf.constant(3.0,tf.float32,name="node1")
node2 = tf.constant(4.0,tf.float32,name="node2")
node3 = tf.add(node1,node2)
print(node3)
该代码输出结果为:
Tensor( "Add:0", shape( ), dtype = float32 )
要注意的是,这里输出的结果不是一个具体的数字,而是一个张量的结构。
计算图的执行
创建计算图只是建立了静态的计算模型,只有执行对话才能提供数据并获得结果。
#建立对话并显示运行结果
sess = tf.Session()
print("运行sess.run(node3)的结果是:", sess.run(