Android tensorflow 基础知识学习
今天记录下tensorflow的一些基本知识1.导入tensorflow 库,且脚本中添加运行使用的python环境#!/user/bin/env pythonimport tensorflow as tf#导入tensorflow库2.常量和变量y = tf.constant()#声明常量,常量是需要初始化的y = tf.Variable()...
·
今天记录下tensorflow的一些基本知识
1.导入tensorflow 库,且脚本中添加运行使用的python环境
#!/user/bin/env python
import tensorflow as tf #导入tensorflow库
#导入 mnist 数据集; 数据在linux 根目录/data下的mnist文件夹下
from tensorflow.examples.tutorials import mnist
mnist_data = mnist.input_data.read_data_sets('/data/mnist', one_hot=True)
2.常量和变量
y = tf.constant() #声明常量,常量是需要初始化的
y = tf.Variable() #声明变量,变量是不需要初始化,也不会被编译器自动初始化
y = tf.placeholder() # 声明一个占位符,就是说这个变量可以在后面进行赋值
init = tf.global_variables_initializer() #初始化所有的变量
b = tf.Variable([-.3], dtype=tf.float32) #声明变量,值为 -0.3 float32 类型
3.运行
sess = tf.Session() #一个session封装了TensorFlow运行时的控制和状态
sess.run(args) #开始运行数据流程
sess.close() #关闭session,否则会出现资源泄露
sess.run(add_and_triple, {a:3, b:4.5}) #第一次参数是输出的结果,第二个操作是输入的数据
print(args) #输出,如果没有session run,则打印出的仅仅是节点,而不是结果
#其中输出的结果,其实就是某个节点,该节点有其他节点流入,也是可以看作是对应的操作
为了防止遗漏关闭session,可以使用下面方式
with tf.Session as sess:
sess.run(args)
4.tensorflow 一些基本类型
tf.float32 、tf.int8 、 tf.int16 、 tf.int32 、 tf.uint8 、 tf.bool 、
tf.complex64 、 tf.complex128
....
5.基本函数
#数组声明
tf.zeros() #声明全0数组
tf.ones() #声明全1数组
tf.fill([2,3],9) #声明2行3列的值全为9的数组
tf.shape() #张量的维度 几行几列
#随机数声明
tf.random_normal([2,3],stddev=1,seed=1) #声明随机数,按照正态分布方式,数组元素的标准差为1,均值为默认为0
#矩阵操作
tf.matmul() #矩阵相乘
更多推荐
已为社区贡献1条内容
所有评论(0)