周莫凡python_莫烦python-tensorflow第二章学习笔记

链接镇楼：下面是莫烦大佬的github代码地址：

首先觉得大佬长得蛮帅的，然后声音特别悦耳动人！！！上一张图(如有侵犯，立马删)(划重点)，接下来记录一些笔记。

第一章就不看了，大部分就是讲一下历史及安装好tensorfow ，下面主要记录从第二章开始。

Tensorflow 基础构架

通过一个线性回归的example来加强对tf使用的了解，附上代码及注释：

import numpy as np

import tensorflow as tf

#输入

x_data=np.random.rand(100).astype(np.float32)

y_data=x_data*0.1+0.3 #目标

##建立tensorflow 模型

Weight=tf.Variable(tf.random_uniform([1],-1,1)) #前面是维度，后面是随机数范围

Bias=tf.Variable(tf.zeros([1]))

y=Weight*x_data+Bias

loss=tf.reduce_mean(tf.square(y-y_data)) #定义loss

optimizer=tf.train.GradientDescentOptimizer(0.5)#定义optimizer 0.5为初始值

train=optimizer.minimize(loss) #训练过程，最小化loss

init=tf.initialize_all_variables() #有变量一定要初始化(不要忘记了)

sess=tf.Session()

sess.run(init) #激活tensorflow (重要)

for step in range(201):

sess.run(train)

if step % 20==0:

print(step,sess.run(Weight),sess.run(Bias))

主要讲了两种形式的sess

如果要使用sess=tf.Session()这种格式，每次sess.close()后若想继续执行一个sess必须重新tf.Session()，比较麻烦，而且sess.close()很容易忘记。

with tf.Session() as sess 使用其他语句会自动close，感觉比较好用

import tensorflow as tf

import numpy as np

m1=tf.constant([[5,3]])

m2=tf.constant([[2],[5]])

product=tf.matmul(m1,m2)

sess=tf.Session()

result=sess.run(product)

print(result)

with tf.Session() as sess:

result1=sess.run(product)

print(result1)

这个assign函数就是将new_value 付给state ，变量加常量还是变量

import tensorflow as tf

state = tf.Variable(0, name='counter')

#print(state.name)

one = tf.constant(1)

new_value = tf.add(state, one)

update = tf.assign(state, new_value)

init = tf.global_variables_initializer() #别忘了

with tf.Session() as sess:

sess.run(init)

for _ in range(3):

sess.run(update)

print(sess.run(state))

从外部传输要用Placeholder，而且通常与feed_dict配套用

import tensorflow as tf

input1 = tf.placeholder(tf.float32)

input2 = tf.placeholder(tf.float32)

output = tf.multiply(input1, input2)

with tf.Session() as sess:

print(sess.run(output,feed_dict={input1:[7.],input2:[8.]})) #placeholder 与feed_dict一起

激活函数了解一些，暂时就不看了