Tensorflow的简单总结
对日常学习中遇到的一些Tensorflow包及函数进行总结概括,方便自己日后查找或学习。遇到不熟的就记录于此,持续更新中…
1.1 Tensorflow基础概念
Tensorflow是一个用于数值计算的强大开源软件库,非常适合大型机器学习,是世界上最受欢迎的开源机器学习框架。Tensorflow能把代码转换成操作图。而真正运行的正是这种图。将模型以图的形式展现出来后,工作者可以推迟或者删除不必要的操作。甚至重用部分结果,可以减少代码量。
1.2 tensorflow常用包及函数介绍
1.2.1 数据计算有关
tf.matmul(x,y)
作用:
表示矩阵x与y相乘,注意与tf.multiply()
区分
参数解释:
注意矩阵x与y的类型相同且尺寸符合乘法规则。tf.square(x)
作用
计算元素x的平方。reduce_mean(input_tensor,axis=None,keep_dims=False,name=None)
作用
沿张量(input_tensor)的某一维度求元素的平均值,这类操作也被称作降维。
参数解释
input_tensor: 被降维的张量;
axis: axis=none, 求全部元素的平均值;axis=0, 按列降维,求每列 平均值;axis=1,按行降维,求每行平均值;
keep_dims: 若值为True,可多行输出平均值;
name: 自定义操作的名称。
1.2.2 数据类型有关
tf.constant=(value, dtype=None, shape=None, name="Const", verify_shape=False)
作用:
将数据转换为常量,即不可更改的数据。
参数解释:
value: 符合tf中定义的数据类型的常数值或者常数列表;
dtype:数据类型,可选;
shape:常量的形状,可选;
name:常量的名字,可选;
verify_shape:常量的形状是否可以被更改,默认不可更改;
1.2.3 算法实现及优化
- 优化
-
tf.train.GradientDescentOptimizer(学习率)
实现梯度下降的优化器。 -
tf.train.MomentumOptimizer(学习率,动量系数)
实现Momentum方法的优化器。
对优化算法相关知识不太了解的可以参考博客梯度下降算法总览 和初学牛顿法 。
1.2 参考
[1] 大腿君.谷歌大神带你十分钟看懂TensorFlow
[2] Geron.机器学习实战