Tensorflow学习笔记(一)

一.启动Tensorboard

python文件

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。</

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值