tensorflow基础

关于TensorFlow

 

　　　tensorflow是谷歌旗下的一个开源的机器学习框架。这个框架的基本的工作原理就是：由多张数组构成的张量（tensor）在图（graph）结点之间定向流动（flow），从输入到输出。所以我们经常说神经网络算法是一种端到端的算法：数据从输入进入到到数据流图中，最终再从数据流图中输出，中间的流动过程就是我们的神经网络结构，并且这种结构可以自动学习（比如自动提取特征），具体如果学习不是我们关心的，我们关心的是搭建用来自主学习的网络结构，由此，很很多时候我们又称神经网络算法是一种黑盒算法，它的可解释性不强。

　　　在Tensorflow中，每次运算都可以用数据流图（dataflow graph）的方式表示，每个数据流图都有以下两个重要元素：

 

• 一组 tf.Operation对象，代表运算本身
• 一组tf.Tensor对象，代表被运算的数据。

你需要知道的一些其他概念：

 

• 在tensorflow中，tf.Session专门用来封装tf.Operation在tf.Tensor基础上执行的操作环境，在定义好tf.Session之后，我们可以通过tf.Session.run()方法来执行对应的操作。run()方法可以通过fetches参数传入相应tf.Operation对象，并导入与 tf.Operation 相关的所有 tf.Tensor 对象，然后递归执行与当前 tf.Operation 有依赖关系的所有操作；也可以通过feed的方式传入相应参数。

• –Variables：变量，用于表示模型参数，必须被初始化!

• Placeholder:占位符，用于表示模型的输入输出。

 

tensorflow入门小程序

上面已经介绍了，我们经常见到的基本概念，下面给出一些程序来加深一些印象吧，建议手动打一下代码哦。

import tensorflow as tf

'''
#使用tensorflow进行简单的计算
####################################
x=tf.placeholder('float')#创建变量x
y=tf.placeholder('float')#创建变量y
z=tf.add(x,y)+tf.multiply(x,y)#x与y之和与之积
with tf.Session() as sess:
    print('%.2f should equal 5.00'%sess.run(z,feed_dict={x:1,y:2}))
'''

'''
# hello world
##############################################
hello=tf.constant('hello world!')
with tf.Session() as sess:
    result=sess.run(hello)
    print(result)
'''

'''
# add operation and multiply operation
####################################################
input1=tf.constant(3.0)
input2=tf.constant(2.0)
input3=tf.constant(5.0)
add=tf.add(input1,input2)
mul=tf.multiply(input3,add)
with tf.Session() as sess:
    result=sess.run(mul)
    print(result)
    result1=sess.run([mul,add])#打印多个值
    print(result1)
'''

'''
#矩阵乘法
#######################################
m1=tf.constant([[1.0,2.0]])
m2=tf.constant([[2.0],[3.0]])
print(m1)
print(m2)
product=tf.matmul(m1,m2)
with tf.Session() as sess:
    result=sess.run(product)
    print(result)
'''

'''
#变量操作
######################################
import tensorflow as tf
state=tf.Variable(0)
one=tf.constant(1)
update=tf.assign(state,tf.add(state,one))
with tf.Session() as sess:
    #如果前面有定义变量，此处必须要进行变量初始化操作！
    sess.run(tf.global_variables_initializer())
    for _ in range(3):
        result=sess.run(update)
        print(result)
        result1=sess.run(state.value())
        print(result1)
'''

#自动求导
#################################################
x=tf.Variable(tf.random_uniform([],-1.0,1.0))
b=tf.constant(1.0)
y=3.0*x+b

grad=tf.gradients(y,x)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(grad))#输出应该为3.0，一元方程求导

 

 

后续

在后续的博文，我们将一步步的加深代码的复杂度，一步步进阶，和我一起努力吧！

 所谓的不平凡就是平凡的N次幂！------------------Ada