tensorflow基础学习笔记
2017-02-03 11:13
330 查看
查看神经网络某层的权重和偏执
即可查看当前的weights和baises
首先的首先,tf的游戏规则是所有的操作op,变量都视为节点。
定义一个一维的常量张量
定义一个二维的常量张量
赋值操作:
矩阵乘法:
加法:
常量与变量的定义:
变量的初始化:
占位符:可以定义一个结构,然后每次传入不同的值。
举个栗子:在 Tensorflow 中需要定义 placeholder 的 type ,一般为 float32 形式
mul = multiply 是将input1和input2 做乘法运算,并输出为 output
sess.run(Weights) sess.run(baises))
即可查看当前的weights和baises
首先的首先,tf的游戏规则是所有的操作op,变量都视为节点。
定义一个一维的常量张量
mx1 = tf.constant([[3,3]])
定义一个二维的常量张量
mx2 = tf.constant([[2], [2]])
赋值操作:
tf.assign(state,new_value) #将new_value的值付给state
矩阵乘法:
#matrix multiply = np.dot(mx1,mx2) product = tf.matmul(mx1,mx2) sess = tf.Session() result = sess.run(product) #一定记得要run!!
加法:
new_value = tf.add(state,one)
常量与变量的定义:
one = tf.constant(1) #定义了一个常量1 state = tf.Variable(0,name='可以定义变量的名字') #tf中object一般首字母大写
变量的初始化:
init = tf.global_variables_initializer() # 变量在定义之后一定要初始化 #还不算完 sess.run(init) #假设现在我们还在前面矩阵乘法的sess里,就直接run就好啦
占位符:可以定义一个结构,然后每次传入不同的值。
x = tf.placeholder(tf.float32, shape=[None, 26]) #第一个参数表明了类型,第二个参数表明了结构,x行,26列
举个栗子:在 Tensorflow 中需要定义 placeholder 的 type ,一般为 float32 形式
input1 = tf.placeholder(tf.float32) input2 = tf.placeholder(tf.float32)
mul = multiply 是将input1和input2 做乘法运算,并输出为 output
ouput = tf.mul(input1, input2) with tf.Session() as sess: print(sess.run(ouput, feed_dict={input1: [7.], input2: [2.]}))
相关文章推荐
- tensorflow学习笔记二:入门基础
- TensorFlow基础笔记(0) 参考资源学习文档
- Tensorflow学习笔记之一 —— 基础知识篇
- Tensorflow学习笔记:基础篇(7)——Mnist手写集改进版(Tensorboard可视化)
- tensorflow 学习笔记(三) - 入门基础
- 零基础深度学习笔记3——Win7-Tensorflow-GPU安装
- Tensorflow学习笔记:基础篇(4)——Mnist手写集改进版(添加隐藏层)
- tensorflow学习笔记二:入门基础
- TensorFlow基础笔记(13) tf.name_scope tf.variable_scope学习
- TensorFlow基础笔记(3) cifar10 分类学习
- Tensorflow学习笔记:基础篇(3)——Mnist手写集初始版本
- Tensorflow学习笔记:基础篇(5)——Mnist手写集改进版(交叉熵代价函数)
- 01. Tensorflow学习笔记_Linux基础 (补充)
- Tensorflow学习笔记:基础篇(8)——Mnist手写集改进版(过拟合与Dropout)
- Tensorflow学习笔记:基础篇(2)——多项式回归
- 01. Tensorflow学习笔记_Linux基础
- Tensorflow基础学习笔记
- tensorflow学习笔记二:入门基础
- 零基础深度学习笔记4——Win7-Tensorflow创建基本的数据流图
- tensorflow学习笔记二:入门基础