Tensorflow学习笔记（一）

一.启动Tensorboard

在python文件中

加上tf.reset_default_graph()来重置流

然后：

logdir='D:/log'    #定义log的存放目录
writer=tf.summary.FileWriter(logdir,tf.get_default_graph())  #将流图获取到放到log目录里
writer.close()

在Cmd中，

1：切换路径 cd /d D:

2：切换到D盘

3：然后输入tensorboard.exe --logdir=D:\log 来启动tensorboard。

4：在浏览器输入localhost:6006即可

二.placeholder占位符

1.Variable变量类型在定义的时候需要初始化，有些变量定义时并不知道数值，只有当真正开始运行程序的时候才由外部输入，比如训练数据，这时就需要占位符。

接口函数如下：

tf.placeholder(dtype,shape=None,name=None)

例如：

tf.placeholder(tf.float32,[2,3],name='tx')

生成一个2x3的二维数组，每个元素的类型都是float32

 

2.Feed提交数据

如果构建了一个包含placeholder操作的计算图，当在session中调用run方法时，placeholder占用的变量必须通过feed_dict参数传递进去，否则报错

import tensorflow as tf

a=tf.placeholder(tf.float32,name='a')
b=tf.placeholder(tf.float32,name='b')
c=tf.multiply(a,b,name='c')

init=tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    result=sess.run(c,feed_dict={a:8.0,b:3.5})
    print(result)

三.机器学习梯度下降法

1.梯度：一个向量，表示某一个函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大。</