TensorFlow笔记-03-张量,计算图,会话

TensorFlow笔记-03-张量,计算图,会话

• 搭建你的第一个神经网络，总结搭建八股
• 基于TensorFlow的NN：用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型
• 张量（tensor）：多维数组（列表）
• 阶：张量的维数

···维数······阶 ··········名字············例子·············
···0-D········0·······标量 scalar·····s=1 2 3
···1-D········0·······向量 vector·····s=[1,2,3]
···2-D········0·······矩阵 matrix·····s=[ [1,2,3], [4,5,6],[7,8,9] ]
···n-D········0·······标量 tensor·····s=[[[[[….n个

• 张量可以表示0阶到n阶的数组（列表）
• 代码tf02文件：https://xpwi.github.io/py/TensorFlow/tf02.py

# 两个张量的加法
import  tensorflow as tf

a = tf.constant([1.0, 2.0])
b = tf.constant([3.0, 4.0])

result = a+b
print(result)

• 运行结果：
  
• 结果分析：
  
• 计算图（Graph）：搭建神经网络的计算过程，只搭建，不运算
• 代码tf03文件：https://xpwi.github.io/py/TensorFlow/tf03.py

# 两个张量的加法
import  tensorflow as tf

# x 是一个一行两列的张量
x = tf.constant([[1.0, 2.0]])
# x 是一个两行一列的张量
w = tf.constant([[3.0], [4.0]])

'''
构建计算图，但不运算
y = XW
 = x1*w1 + x2*w2
'''
# 矩阵相乘
y = tf.matmul(x, w)
print(y)

运行结果

Tensor(“MatMul:0”, shape=(1, 1), dtype=float32)

• 会话（Session）：执行计算图中的结点运算
• 代码04文件：https://xpwi.github.io/py/TensorFlow/tf04.py

# 两个张量的加法
import  tensorflow as tf

# x 是一个一行两列的张量
x = tf.constant([[1.0, 2.0]])
# x 是一个两行一列的张量
w = tf.constant([[3.0], [4.0]])

'''
构建计算图，但不运算
y = XW
 = x1*w1 + x2*w2
'''
# 矩阵相乘
y = tf.matmul(x, w)
print(y)

# 会话：执行节点运算
with tf.Session() as sess:
    print(sess.run(y))

运行结果

y = 1.0*3.0 + 2.0*4.0 = 11

拜拜

---

- 本笔记不允许任何个人和组织转载