deeplearning.ai——TensorFlow指南

最新推荐文章于 2024-10-09 17:29:10 发布

韩明宇

最新推荐文章于 2024-10-09 17:29:10 发布

阅读量770

点赞数

分类专栏： Tensorflow 机器学习

本文链接：https://blog.csdn.net/qq_37098526/article/details/91047206

版权

本文深入探讨TensorFlow库，通过计算线性函数、sigmoid激活、损失函数、one-hot编码等概念，逐步构建首个神经网络。内容包括创建占位符、初始化参数、前向传播、计算成本、反向传播及参数更新。最后，通过SIGNS数据集展示了模型训练过程。

摘要由CSDN通过智能技术生成

1 - Exploring the Tensorflow Library

导入库：

import math
import numpy as np
import h5py
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow.python.framework import ops
from tf_utils import load_dataset, random_mini_batches, convert_to_one_hot, predict
import os
import tensorflow.python.util.deprecation as deprecation
deprecation._PRINT_DEPRECATION_WARNINGS = False
import tensorflow as tf
if type(tf.contrib) != type(tf): tf.contrib._warning = None

%matplotlib inline
np.random.seed(1)

来看一个计算单个训练样本损失的例子：

y_hat = tf.constant(36, name='y_hat')            # Define y_hat constant. Set to 36.
y = tf.constant(39, name='y')                    # Define y. Set to 39

loss = tf.Variable((y - y_hat)**2, name='loss')  # Create a variable for the loss

init = tf.global_variables_initializer()         # When init is run later (session.run(init)),
                                                 # the loss variable will be initialized and ready to be computed
with tf.Session() as session:                    # Create a session and print the output
    session.run(init)                            # Initializes the variables
    print(session.run(loss))                     # Prints the loss

结果为9

在TensorFlow中编写和运行程序有以下步骤：

创建尚未执行/计算的张量（变量）。
编写在这些张量之间进行的操作。
初始化张量。
创建一个会话。
运行会话，将会运行以上所编写的操作。

因此，当我们为损失创建一个变量时，我们简单地将损失定义为其他量的函数，但没有计算其值。为了计算它，需要运行init=tf.global_variables_initializer()，这样就初始化了损失变量，最后一行能够计算损失的值并且打印出来。

1.1 - Linear function

计算如下式子：Y=WX+b，其中W和X是随机矩阵，b是随机向量。

练习：计算WX+b，其中W,X和b由随机正态分布中提取。W的形状为(4,3)，X为(3,1)，b为(4,1)，举个例子，下面是如何定义一个形状为(3,1)的常量X：

x=tf.constant(np.random.randn(3,1), name="X")

X = tf.constant(np.random.randn(3, 1), name='X')
W = tf.constant(np.random.randn(4, 3), name='W')
b = tf.constant(np.random.randn(4, 1), name='b')
Y = tf.matmul(W, X) + b
    
# Create the session using tf.Session() and run it with sess.run(...) on the variable you want to calculate
    
sess = tf.Session()
result = sess.run(Y)

1.2 - Computing the sigmoid

Tensorflow提供了许多常用的神经网络函数包括tf.sigmoid和tf.softmax等等，接下来计算sigmoid。

使用占位符变量x，当运行会话时，需要使用feed字典来传入输入z，作业中要做如下几件事：

创建一个占位符x
定义操作，使用tf.sigmoid计算
运行会话

练习：实现sigmoid函数。

两种创建并使用会话的方法：

# Create a placeholder for x. Name it 'x'.
x = tf.placeholder(tf.float32, name='x')

# compute sigmoid(x)
sigmoid = tf.sigmoid(x)

# Create a session, and run it. Please use the method 2 explained above. 
# You should use a feed_dict to pass z's value to x. 
with tf.Session() as sess:
    # Run session and call the output "result"
    result = sess.run(sigmoid, feed_dict={x:z})

最低0.47元/天解锁文章