通过博客:初学深度学习(一)TensorFlow基本开发步骤之准备数据and搭建模型(正向+反向)和初学深度学习(一)TensorFlow基本开发步骤之迭代训练and使用模型
的介绍。
现在可以将tensorflow开发的基本步骤总结如下:
- 定义tensorflow输入节点
- 定义“学习参数”变量
- 定义“运算”
- 优化函数,优化目标
- 初始化所有变量
- 迭代更新参数到最优解
- 测试模型
- 使用模型
1、定义tensorflow输入节点的方法
tensorflow中有如下几种定义输入节点的方法:
- 通过占位符来定义:通常使用此方式
- 通过字典类型定义:一般用于输入比较多的情况、
- 直接定义:很少使用、
(1)通过占位符来定义输入节点的实例
在博客:初学深度学习(一)TensorFlow基本开发步骤之准备数据and搭建模型(正向+反向)中就是通过占位符来定义输入节点的:
# X,Y为占位符
X = tf.placeholder("float") # 代表x的输入
Y = tf.placeholder("float") # 代表对应的真实值y
完整代码:
在这里插入代码片
(2)通过字典类型来定义输入节点的实例
通过字典类型来定义输入节点的方式和占位符比较像,只不过是堆积到了一起。
#占位符
inputdict = {
'x':tf.placeholder("float"),
'y':tf.placeholder("float")
}
(3)直接定义输入节点的实例
直接定义就是将定义好的python变量直接放到OP节点中参与输入的运算,将模拟数据的变量直接放到模型中进行训练。
2、定义“学习参数”的变量
“学习参数”的定义与输入的定义很像,分为直接定义和通过字典类型定义两部分。
由于深度神经网络例的参数很多,所以一般使用第二种更多。
(1)直接定义“学习参数”