TensorFlow基础学习
Irain_Luo
这个作者很懒,什么都没留下…
展开
-
9 单变量线性回归-深度学习应用开发-TensorFlow实践
作者:IrainQQ:2573396010微信:18802080892GitHub资源链接:https://github.com/Irain-LUO/OpenCV-Python教学视频链接:第五讲 单变量线性回归:TesnsorFlow实战详细文档链接:第四章 单变量线性回归:TesnsorFlow实战目录应用描述如上分布图所示,数据散点图的分布情况接近一条直线,每个数据只有一个因变量和自变量,以某种线性关系构成X-Y数轴。我们希望算出数据间的线性关系,获得一条最优直线,来拟合散点图上.原创 2020-08-03 12:02:29 · 257 阅读 · 0 评论 -
8 会话Session、变量赋值、占位符placehoIder、Feed提交数据和Fetch提取数据-深度学习应用开发-TensorFlow实践
作者:IrainQQ:2573396010微信:18802080892视频链接:第四讲 磨刀不误砍柴工:TensorFlow的基本运算目录1 会话(session)1.1 会话的模式 11.2 会话的模式 21.3 指定默认的会话1.4 交互式环境下设置默认会话2 变量赋值2.1 变量赋值案例2.1.1 通过变量配位输出1、2. 3...102.1.2 通过TensorF low的变量赋值计算: 1+2+3+..+103 占位符placehoIder4 Feed提交数据和Fetch提取数据4.1.原创 2020-06-17 20:11:47 · 244 阅读 · 0 评论 -
7 TensorFlow 1.x和2的执行模机制-深度学习应用开发-TensorFlow实践
作者:IrainQQ:2573396010微信:18802080892视频链接:第四讲 磨刀不误砍柴工:TensorFlow 编程基础 (新)TensorFlow 编程基础 第四节目录1 TensorFlow 1.x和2的执行模机制概念2 计算图(数据流图)的概念3 计算图的执行4 计算图的实例5 在TensorF low 2中实现图执行模式开发5.1 体验案例:计算两数之和1 TensorFlow 1.x和2的执行模机制概念TensorFlow 2代码的执行机制默认采用Eager Exe.原创 2020-06-16 22:48:41 · 208 阅读 · 0 评论 -
6 常量与变量-深度学习应用开发-TensorFlow实践
作者:IrainQQ:2573396010微信:18802080892视频链接:第四讲 磨刀不误砍柴工:TensorFlow 编程基础 (新)TensorFlow 编程基础 第三节目录1 常量 Constant2 变量 Variable3 变量赋值1 常量 Constant在运行过程中值不会改变的单元创建语句:tf.constant(value,dtype=None,shape=None,name=‘Const’)在创建常量时只有value值是必填的,dtype等参数可以缺.原创 2020-06-16 22:05:31 · 257 阅读 · 0 评论 -
5 张量运算--神经网络与深度学习——TensorFlow2.0实战
作者:IrainQQ:2573396010微信:18802080892目录1 基本数学运算1.1 加减乘除运算1.2 幂指对数运算1.2.1 一维张量幂运算1.2.2 二维张量幂运算1.2.3 张量平方和平方根1.3 自然指数1.4 对数运算1.4.1 自然对数运算1.4.2 其他对数运算1.5 其他运算2 三角函数和反三角函数运算3 重载运算符4 广播机制4.1 加法例子4.2 乘法例子5 张量和NumPy数组之间的相互转换5.1 Numpy转Tensor5.2 Tensor转Numpy6 使用.原创 2020-06-16 17:32:22 · 329 阅读 · 0 评论 -
4 部分采集--神经网络与深度学习——TensorFlow2.0实战
作者:IrainQQ:2573396010微信:18802080892目录1 索引和切片1.1 索引1.2 切片1.2.1 二维张量切片1.2.2 三维张量切片1.2.3 四维张量切片2 数据提取2.1 对应索引|值的元素采集2.2 对多维张量采样2.3 同时采样多个点2.4 选择采样维度1 索引和切片1.1 索引手写数字图像数据集MNIST: (60000, 28, 28)mnist[0]:取第1 张图片中的数据mnist[0][1] :取第1张图片中的第2行mnist[0][1].原创 2020-06-16 14:16:34 · 176 阅读 · 0 评论 -
2 创建张量--神经网络与深度学习——TensorFlow2.0实战
张量(tensor) :多维数组(列表) 阶:张量的维数可以高速运行于GPU和TPU之上支持CPU.嵌入式、单机多卡和多机多卡等多种计算环境高速的实现神经网络和深度学习中的复杂算法Python中的列表list元素可以使用不同的数据类型,可以嵌套在内存中不连续存放,是一个动态的指针数组读写效率低,占用内存空间大不适合做数值计算NumPy中的数组对象ndarray元素数据类型相同每个元素在内存中占用的空间相同,存储在一个连续的内存区域中存储空间小,读取和写入速度快在CPU中运算,.原创 2020-06-15 22:38:20 · 270 阅读 · 0 评论 -
3 维度变换---神经网络与深度学习——TensorFlow2.0实战
张量的存储和视图班级合并,发生变换改变张量的形状tf.reshape(tensor,shape)numpy转Tensor、Shape参数=-1,自动推到出长度。多维张量的轴:张量的维度增加和删除维度增加维度tf.expand _dims(input,axis)增加的这个维度上,长度为1二维张量例子:增加维度三维张量例子:增加维度删除维度:只能删除长度为1的维度tf.squeeze( input, axis )增加维度和删除维度,只是改变了张量的视图,不会改变张量原创 2020-06-15 22:08:22 · 449 阅读 · 0 评论