TensorFlow(笔记)

最新推荐文章于 2024-04-22 16:37:06 发布

哈温最可爱

最新推荐文章于 2024-04-22 16:37:06 发布

阅读量329

点赞数

分类专栏：人工智能

本文链接：https://blog.csdn.net/qq_45008831/article/details/117880741

版权

人工智能专栏收录该内容

7 篇文章 0 订阅

订阅专栏

本文介绍了TensorFlow，一个深度学习框架，通过构建计算图来处理数据流，并展示了如何使用Python编程模型创建张量并执行基本操作。重点讲解了Session和TensorBoard在可视化流程中的应用。

摘要由CSDN通过智能技术生成

Tensor+Flow=TensorFlow
Tensor：张量，数据
Flow：流
深度学习中的数据是按照一定的方向流动的，流动的同时会进行相关的运算。

TensorFlow架构
前端：编程模型、构造计算图、Python、C++、Java
后端：运行计算图、C++

为什么选择TensorFlow?
高度的灵活性、真正的可移植性（底层采用C）、将科研和产品联系在一起、自动求微分、多语言支持、性能最优化、社区内容丰富。

TensorFlow基本概念介绍
在这里插入图片描述
Graph描述了计算过程（计算图，在前端完成），可以通过tensorboard图形化流程结构。

Spyder（Python 3.8）

# -*- coding: utf-8 -*-
"""
Spyder Editor

This is a temporary script file.
"""

import tensorflow.compat.v1 as tf
a=tf.constant(1,name='input_a');
b=tf.constant(2,name='input_b');
c=tf.multiply(a,b,name='maltiply_c');
d=tf.add(a,b,name='add_d');
e=tf.add(d,c,name='add_e');
sess=tf.Session();
sess.run(e);
writer=tf.summary.FileWriter('graph',sess.graph);