【Tensorflow专题-01】深度学习应用介绍及tensorflow基本使用
2018-01-02 10:07
621 查看
摘要:这篇文章主要介绍深度学习的几个应用领域及安装tensorflow
语音识别
音频处理
自然语言处理
机器人
生物信息处理
电脑游戏
搜索引擎
网络广告投放
医学自动诊断
金融
Bazel:自动化构建工具,用来编译程序
楼主使用的
安装命令:
等待安装,一切正常的话,安装完成后进行一下测试:
如果导入正常,说明安装成功,下面使用一个例子打印出
在
上面的示例会打印出如下结果:
计算图例子
运行结果:
使用集合管理不同类别资源:TensorFlow提供了一些自动维护的常用集合,如下图所示
TensorFlow 计算模型:张量–TensorFlow管理数据的方式,Tensorflow中所有的数据都通过张量表示,简单来说就是多维数组。其中,零维张量及标量(scalar),为一个数,一阶张量为向量(vector),以此类推。张量中保存的是运算过程而非结果,如下例子所示:
结果:
上面的结果表示:
结果来自add节点的第一个输出,结果为一维数组长度为2,类型为float32
Tensorflow运行模型–会话(Session):用来执行定义好的运算,比如对上面的程序计算结果
深度学习应用领域
图像识别语音识别
音频处理
自然语言处理
机器人
生物信息处理
电脑游戏
搜索引擎
网络广告投放
医学自动诊断
金融
基本工具介绍
Protocol Buffer:结构化数据工具Bazel:自动化构建工具,用来编译程序
TensoFlow介绍
TensorFlow是由谷歌开发并维护的深度学习框架,在目前主流的深度学习框架中处于领先地位安装TensorFLow
使用Python的pip命令安装,楼主安装的是CPU版本
楼主使用的
Python版本:3.6.1|Anaconda 4.4.0
安装命令:
pip install tensorflow --upgrade
等待安装,一切正常的话,安装完成后进行一下测试:
import tensorflow
如果导入正常,说明安装成功,下面使用一个例子打印出
Hello world
# 测试Tensorflow import tensorflow as tf __author__ = 'yooongchun' def test(): hello = tf.Variable('Hello world', name='helloworld') with tf.Session() as sess: initialize = tf.global_variables_initializer() sess.run(initialize) print(sess.run(hello))
在
main函数中调用
test:
if __name__=='__main__': test()
上面的示例会打印出如下结果:
b'Hello world'
TensorFlow 入门
计算图:TensoFlow是一个通过计算图的形式来表述计算的编程系统。TensorFlow中的每一个计算都是计算图上的一个节点,而节点之间的边描述了计算之间的依赖关系。如下图示意计算图例子
# TensorFlow 计算图使用例子 # author = yooongchun # time = 20180102 import tensorflow as tf # 新建一个计算图 g1=tf.Graph() with g1.as_default(): v=tf.get_variable("v",initializer=tf.zeros_initializer(),shape=[1]) # 新建另一个计算图,说明计算图之间的变量不共享 g2=tf.Graph() with g2.as_default(): v=tf.get_variable("v",initializer=tf.ones_initializer(),shape=[1]) # 读取计算图中变量值 with tf.Session(graph=g1) as sess: tf.global_variables_initializer().run() with tf.variable_scope('',reuse=True): print(sess.run(tf.get_variable('v'))) with tf.Session(graph=g2) as sess: tf.global_variables_initializer().run() with tf.variable_scope('',reuse=True): print(sess.run(tf.get_variable('v')))
运行结果:
2018-01-02 09:05:11.360838: W C:\tf_jenkins\home\workspace\rel-win\M\windows\PY\36\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations. 2018-01-02 09:05:11.366188: W C:\tf_jenkins\home\workspace\rel-win\M\windows\PY\36\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX2 instructions, but these are available on your machine and could speed up CPU computations. [ 0.] [ 1.] [Finished in 2.5s]
使用集合管理不同类别资源:TensorFlow提供了一些自动维护的常用集合,如下图所示
TensorFlow 计算模型:张量–TensorFlow管理数据的方式,Tensorflow中所有的数据都通过张量表示,简单来说就是多维数组。其中,零维张量及标量(scalar),为一个数,一阶张量为向量(vector),以此类推。张量中保存的是运算过程而非结果,如下例子所示:
# TensorFlow 张量运算例子 # author = yooongchun # time = 20180102 import tensorflow as tf a=tf.constant([1.0,2.0],name='a') b=tf.constant([2.0,3.0],name='b') result=tf.add(a,b,name='add') print(result)
结果:
Tensor("add:0", shape=(2,), dtype=float32) [Finished in 2.6s]
上面的结果表示:
结果来自add节点的第一个输出,结果为一维数组长度为2,类型为float32
Tensorflow运行模型–会话(Session):用来执行定义好的运算,比如对上面的程序计算结果
# TensorFlow 会话运算例子 # author = yooongchun # time = 20180102 import tensorflow as tf a=tf.constant([1.0,2.0],name='a') b=tf.constant([2.0,3.0],name='b') result=tf.add(a,b,name='add') with tf.Session() as sess: print(sess.run(result)) # 结果 # [ 3. 5.]
相关文章推荐
- 深度学习框架TensorFlow的基本介绍和安装
- 深度学习框架TensorFlow学习与应用(三)——使用交叉熵作为代价函数
- 深度学习框架TensorFlow学习与应用(一)——基本概念与简单示例
- [深度学习] TensorFlow 入门之基本使用
- 深度学习框架TensorFlow学习与应用(一)——基本概念与简单示例
- 深度学习之TensorFlow(一)——基本使用
- [深度学习]tensorflow基本概念01
- Python学习笔记-模块介绍(一)-模块概念和基本使用
- 使用react-native做一个简单的应用-01项目介绍
- Memcache学习总结2-Memcache的使用基本介绍
- 【CCCF专题】深度学习在自然语言处理中的应用
- 使用Amazon AWS搭建GPU版tensorflow深度学习环境
- 【CCCF专题】深度学习在自然语言处理中的应用
- 深度学习框架的介绍与比较(Caffe, TensorFlow, MXNet, Torch, Theano)
- 微软企业库5.0 学习之路——第九步、使用PolicyInjection模块进行AOP—PART1——基本使用介绍
- 反射学习1、反射机制的介绍和基本的API的使用
- live555学习之基本类介绍及计划任务深度探讨
- Linux rpm 命令参数使用详解[介绍和应用]-【linux学习笔记】
- live555学习之基本类介绍及计划任务深度探讨
- [学习笔记] TensorFlow 入门之基本使用