TensorFlow学习笔记-01
这个专栏主要是记录自己在莫烦Python上学习TensorFlow的过程,想学习TensorFlow的小伙伴强烈推荐 莫烦Python之TensorFlow。
一、TensorFlow基础构架
1、session会话控制
这一节主要讲了如何使用session会话的两种方法
第一种:
# method 1
sess=tf.Session()
result1=sess.run(tf.matmul(tf.constant([[3,3]]),tf.constant([2],[2])))
print(result1)
sess.close()
第二种:
# method2
with tf.Session() as sess:
result2=sess.run(tf.matmul(tf.constant([[3,3]]),tf.constant([2],[2])))
print(result2)
第二种方法使用完之后,不需要再close。
2、Variable变量
主要讲述了,在TensorFlow中,如果定义了变量variable,一定要记得初始化,然后session:
init=tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
3、Placeholder 传入值
对于为什么需要使用placeholder,我觉得这个链接的解释就很好,容易理解。
当使用placeholder的时候,括号内填入以下内容:dtype, shape=None, name=None,定义之后,
需要使用 feed_dict={} 传入值。
使用placeholder举例:
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,input2:2}))
4、激励函数 Activation Function
常用的激励函数有以下几种:
(1)relu
(2)sigmoid
(3)tanh
在卷积神经网络CNN中激励函数常选择relu函数,在循环神经网络RNN中激励函数通常选择relu和tanh,激励函数的选择不能任意选择,需要根据具体情况进行具体分析,不然会造成梯度爆炸和梯度消失问题。
谢谢大家的观看!