学习笔记（二）——张量，操作，常用层，建模方式

最新推荐文章于 2023-05-12 18:08:16 发布

weixin_43885614

最新推荐文章于 2023-05-12 18:08:16 发布

阅读量152

点赞数

分类专栏：笔记文章标签： tensorflow

本文链接：https://blog.csdn.net/weixin_43885614/article/details/106482673

版权

这篇学习笔记介绍了TensorFlow中的核心概念，包括张量的概念（类似JS的变量），张量的操作（参照JS的math方法），常用的神经网络层（如tf.nn和tf.keras.layers），以及三种模型构建方式：sequential、functional和subclassing模型，并通过与JavaScript的类比帮助理解。

摘要由CSDN通过智能技术生成

语言都是相通的，学习过程中，可以和我的大前端js来比较比较。

1 张量

import tensorflow as tf
#创建张量
mammal = tf.Variable('Elephant',tf.string)
tf.print(tf.rank(mammal))

mystr = tf.Variable(['hello'],tf.string)
tf.print(tf.rank(mystr))

mymat = tf.Variable([[7],[11]],tf.int16)
tf.print(tf.rank(mymat))

tf.constant([1,2,3],dtype=tf.int16)

其实就是相当于js的变量

var a = 1;
console.log(a)

1 操作

#操作
#tf.strings
tf.strings.bytes_split('hello')
tf.strings.to_hash_bucket(['hello','world'],num_buckets=10)

#tf.debugging
a = tf.random.uniform((10,10))
tf.debugging.assert_equal(x=a.shape,y=(10,10))

#tf.random
a = tf.random.uniform(shape=(10,5),minval=0