tensorflow 基础

最新推荐文章于 2024-06-08 14:37:14 发布
最新推荐文章于 2024-06-08 14:37:14 发布
阅读量605 收藏
点赞数
分类专栏： tensorflow deeplearning
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tech_chenlongzhen/article/details/79115017
版权

计算模型

  • 首先构造好整个计算链路(图)
  • 可以对链路进行优化
  • 分布式调度

基于层模型

  • 每个层的计算,固定实现 forward/backward
  • 必须手动指定目标GPU卡

概念

  • 使用张量表示数据
  • 使用图来表示计算任务
  • 在绘画的上下文中执行图
  • 通过变量维护状态
  • 使用feed和fetch可以为任意的操作赋值或者从其中获取数据

numpy vs tensorflow

tu9

tensorflow 计算图

tensorflow一般分为2部分

  • 构造部分,包含计算流图
  • 执行部分,通过session来执行图中的计算

构建图

  • 创造源节点(source op)
  • 源节点输出传递给其他节点op做运算

TF默认图

  • tf python库有default graph
  • 节点构造器可以增加节点

简要例子

tu10

image

变量

tu11

  • 用variable来保存参数w
  • 注意要先初始化

多cpu和gpu

用 with … device 控制操作

tu12

线性回归例子

tu13

tech_chenlongzhen
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
TensorFlow基本入门
qq_35560000的博客
06-23 435
TensorFlow基本入门 本文档包含基本使用Tensorflow的一些常用函数，作为Tensorflow的查询字典。 1 基本函数 1.1 定义参数函数 1.1.1 tf.constant() 定义常数函数 tf.constant( value, dtype=None, shape=None, name='Const', verify_shape=False ) 例： hello = tf.constant('hello world') node1 = tf.c
TensorFlow基础
04-26
**TensorFlow基础** TensorFlow 是一个广泛用于机器学习和深度学习的开源库，它由Google Brain团队开发。这个名字来源于其核心概念：“Tensor（张量）Flow”，即数据流图的运算。在开始学习TensorFlow之前，理解其...
TensorFlow 完整的TensorFlow入门教程
热门推荐
lgx06的专栏
11-06 13万+
1：你想要学习TensorFlow，首先你得安装Tensorflow，在你学习的时候你最好懂以下的知识： a：怎么用python编程； b：了解一些关于数组的知识； c：最理想的情况是：关于机器学习，懂一点点；或者不懂也是可以慢慢开始学习的。 2：TensorFlow提供很多API，最低级别是API:TensorFlow Core，提供给你完成程序控制,还有一些 高级别的AP
【Python三方库】Python之TensorFlow库的简介、安装、使用方法、示例代码、注意事项等详细攻略
最新发布
科技改变人类，技术成就未来
06-08 6905
Python之TensorFlow库的简介、安装、使用方法、示例代码、注意事项等详细攻略
tensorflow入门
cloudless_sky的博客
06-13 1998
tensorflow的安装以及入门
tensorflow 入门简介
陈陈的专栏
04-10 444
计算模型 首先构造好整个计算链路 可以对链路进行优化 分布式调度 基于层模型 每个层的计算,固定实现 forward/backward 必须手动指定目标GPU卡 概念 使用张量表示数据 使用图来表示计算任务 在绘画的上下文中执行图 通过变量维护状态 使用feed和fetch可以为任意的操作赋值或者从其中获取数据 numpy vs tensorflowtensorflow 计算图tensorflow一
TensorFlow基础介绍
03-13
### TensorFlow基础介绍 #### 1. TensorFlow概念 **1.1 TensorFlow的概念与发展史** - **概念**: TensorFlow是由谷歌于2015年11月发布的一款开源深度学习框架。它为构建、训练以及部署深度神经网络提供了一套全面...
Tensorflow基础代码
09-06
以下是TensorFlow的一些基础代码资源，涵盖了CNN（卷积神经网络）、逻辑回归、RNN（循环神经网络）、线性回归等内容。 CNN（卷积神经网络）: 示例代码：cnn_mnist.py 数据集：MNIST手写数字数据集 说明：该代码...
TensorFlow基础教程01
03-16
**TensorFlow基础教程01** 在当今的科技领域，人工智能（AI）正逐渐渗透到各个行业，而深度学习是推动这一变革的关键技术。在众多深度学习框架中，TensorFlow因其强大的功能和广泛的社区支持，成为了许多开发者的...
[tensorflow2笔记四] 神经网络优化
滨哥v5的博客
11-20 264
学习率、激活函数、损失函数、欠拟合与过拟合、优化器
Tensorflow入门
12-14
介绍Tensorflow的基本情况，Tensorflow data flow graph
TensorFlow入门
Falcont的博客
08-11 697
TensorFlow入门 一、步骤： ①准备数据：采集大量“特征/标签”数据 ②搭建网络：搭建神经网络结构 ③优化参数：训练网络获取最佳参数（反传） ④应用网络：将网络保存为模型，输入新数据，输出分类或预测结果（前传） 二、鸢尾花分类 1、采集大量数据对（花萼长、花萼宽、花瓣长、花瓣宽，对应的类别）构成数据集。 输入特征 标签 把数据集喂入搭建好的神经网络结构，网络优化参数得到模型，模型读入新输入特征，输出识别结果。 2、输入层四个
独家 | 一文读懂TensorFlow（附代码、学习资料）
weixin_34004750的博客
10-13 2978
人工智能、机器学习和深度学习 在介绍TensorFlow（以下简称为TF）之前，我们首先了解一下相关背景。 TF是一种机器学习框架，而机器学习经常和人工智能，深度学习联系在一起，那么三者到底是什么关系呢？ 简单来讲三者可以理解为包含于被包含的关系。其中最大的是人工智能（以下简称为AI），AI最早起源于1956年的达特茅斯会议，当时AI的几位先...
TensorFlow入门教程
weixin_41924879的博客
07-09 3507
TensorFlow入门教程
tensorflow入门——1
weixin_45430181的博客
01-19 134
tensorflow入门——1 tensorflow在安装的时候，因为是国外的一些资源包，所以下载的时候会比较的慢，这里我建议的是打开Anaconda Prompt，在里面执行conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free，这样我们就可以修改为清华的镜像源，然后执行conda c...
Tensorflow基础训练
04-05
Tensorflow是一个开源的机器学习框架，由Google开发。它被广泛应用于深度学习、神经网络和其他机器学习算法的开发和部署。 以下是Tensorflow基础训练的步骤： 1. 安装Tensorflow Tensorflow可以通过pip命令安装。在命令行中输入以下命令即可： pip install tensorflow 2. 创建Tensorflow图 在Tensorflow中，图是指一系列的操作。创建图的第一步是创建一个空白的图，然后向其中添加操作。在Tensorflow中，所有的操作都是节点，它们可以接受输入并产生输出。以下是创建一个简单的图的示例： import tensorflow as tf # 创建一个空白的图 graph = tf.Graph() # 向图中添加节点 with graph.as_default(): a = tf.constant(5) b = tf.constant(2) c = tf.add(a, b) 3. 运行Tensorflow图 在Tensorflow中，我们需要创建一个会话来运行图。会话是Tensorflow中用于执行图的对象。我们可以使用会话执行图中的操作，并获取它们的输出。以下是运行上面创建的图的示例： import tensorflow as tf # 创建一个图 graph = tf.Graph() # 向图中添加节点 with graph.as_default(): a = tf.constant(5) b = tf.constant(2) c = tf.add(a, b) # 创建一个会话 with tf.Session(graph=graph) as session: # 运行图中的操作 result = session.run(c) print(result) 输出结果为： 7 4. 使用Tensorflow变量 在Tensorflow中，变量是指可以在图中持久化存储的值。我们可以使用变量来存储模型的参数。以下是创建和使用Tensorflow变量的示例： import tensorflow as tf # 创建一个变量 x = tf.Variable(0, name='counter') # 创建一个操作 increment_op = tf.assign(x, x+1) # 创建一个会话 with tf.Session() as session: # 初始化变量 session.run(tf.global_variables_initializer()) # 运行操作 print(session.run(increment_op)) print(session.run(increment_op)) print(session.run(increment_op)) 输出结果为： 1 2 3 5. 保存和加载Tensorflow模型 在Tensorflow中，我们可以使用Saver对象将模型保存到磁盘上，并在需要时加载它们。以下是保存和加载Tensorflow模型的示例： import tensorflow as tf # 创建一个变量 x = tf.Variable(0, name='counter') # 创建一个操作 increment_op = tf.assign(x, x+1) # 创建一个Saver对象 saver = tf.train.Saver() # 创建一个会话 with tf.Session() as session: # 初始化变量 session.run(tf.global_variables_initializer()) # 运行操作 print(session.run(increment_op)) print(session.run(increment_op)) print(session.run(increment_op)) # 保存模型 saver.save(session, 'my-model') # 加载模型 with tf.Session() as session: # 加载模型 saver.restore(session, 'my-model') # 运行操作 print(session.run(increment_op)) print(session.run(increment_op)) print(session.run(increment_op)) 输出结果为： 1 2 3 4 5 6 以上就是Tensorflow基础训练的步骤。Tensorflow是一个非常强大的机器学习框架，它提供了丰富的工具和函数库，可以帮助我们开发和部署各种机器学习模型。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值