最近学习tensorflow,这里做一个小总结,先说一下我的运行环境,win10+Anaconda3.5,导入tensorflow。
首先提供一个trick,对于一些初次见到的API接口,有时候直接百度搜索出来的答案七七八八的不好看懂,中文官方手册也不是很方便,提供一个比较简单的方法:
(1)打开命令提示符;
(2)输入python;
(3)如下输入
import tensorflow as tf
help(tf.contrib.layers.batch_norm)
注:help()括号里面放你需要查询的函数
—————————————————————————————————————小白记
Tensorflow是一套深度学习开源软件库。从实现上来说,它的计算核心是基于高性能C/C++实现的,外部封装使用了简单的Python语言。
这里简单介绍汇总了一些tensorflow的常用接口,方便以后查询。
1 使用placeholder声明输入占位符
tf.placeholder ()函数
placeholder(
dtype,
shape=None,
name=None
)
比如:
X = tf.placeholder("float", [None, n_input])
或
x = tf.placeholder(tf.float32, shape=(1024, 1024))
后面的shape参数中第一个为行数,第二个为列数,若显示为None,表示同时放入任意条记录
2 声明参数变量
tf.variable ()函数
W = tf.Variable(tf.random_normal([6, 2]), name = 'weights')
b = tf.Variable(tf.zeros([2]), name = 'bias')
或
weights = {
'encoder_h1': tf.Variable(tf.random_normal([n_input, n_hidden_1])),
'decoder_h1': tf.Variable(tf.random_normal([n_hidden_1, n_input])),
}
biases = {
'encoder_b1': tf.Variable(tf.random_normal([n_hidden_1])),
'decoder_b1': tf.Variable(tf.random_normal([n_input])),
}
可以定义变量的类型,形状,名称,有点类似前面的tf.placeholder ()
3 构造前向传播计算图
tf.nn.softmax()函数
softmax(logits, axis=None, name=None, dim=None)
比如: