当前位置: 首页 > news >正文

初识tensorflow程序设计模式

文章目录

  • 建立'计算图'
  • tensorflow placeholder
          • tensorflow数值运算常用的方法
  • tensorboard
          • 启动tensorboard的方法
  • 建立一维与二维张量
          • 建立一维张量
          • 建立二维张量
          • 建立新的二维张量
  • 矩阵的基本运算
          • 矩阵的加法
          • 矩阵乘法与加法

github地址https://github.com/fz861062923/TensorFlow

建立’计算图’

#建立‘计算图’
import tensorflow as tf
x=tf.constant(2,name='x')#建立常量,有点像C
y=tf.Variable(x+5,name='y')#建立变量
#执行‘计算图’
with tf.Session() as sess:init=tf.global_variables_initializer()#初始化global变量sess.run(init)print('x=',sess.run(x))print('y=',sess.run(y))
x= 2
y= 7
x
<tf.Tensor 'x:0' shape=() dtype=int32>

tensorflow placeholder

正如这个名字一样,hold on,hold on,告诉计算机等等在把值传给你,嘻嘻嘻嘻

a=tf.placeholder('int32')
b=tf.placeholder('int32')
c=tf.multiply(a,b)
with tf.Session() as sess:init=tf.global_variables_initializer()sess.run(init)print('c=',sess.run(c,feed_dict={a:6,b:7}))
c= 42
tensorflow数值运算常用的方法
  • tf.add(x,y)
  • tf.subtract(x,y)#减法
  • tf.multiply(x,y)
  • tf.divide(x,y)
  • tf.mod(x,y)#余数
  • tf.sqrt(x,name=None)
  • tf.abs(x,name=None)

tensorboard

正如其名,可视化已经建立的计算图

#承接上面的session
#下面代码将显示在tensorboard的数据写在log文件中
tf.summary.merge_all()#将显示在board的数据整合
train_writer=tf.summary.FileWriter('log/c',sess.graph)#写入log文件中
启动tensorboard的方法
  • activate tensorflow(虚拟环境名称)
  • tensorboard --logdir=c:\python\log\c
  • 用浏览器打开http://lacalhost:6006/

建立一维与二维张量

建立一维张量
ts_x=tf.Variable([0.4,0.2,0.4])
with tf.Session() as sess:init=tf.global_variables_initializer()sess.run(init)x=sess.run(ts_x)print(x)
[0.4 0.2 0.4]
x.shape
(3,)
建立二维张量
ts_x=tf.Variable([[0.4,0.2,0.4]])
with tf.Session() as sess:init=tf.global_variables_initializer()sess.run(init)x=sess.run(ts_x)print(x)
[[0.4 0.2 0.4]]
x.shape
(1, 3)
建立新的二维张量
ts_x=tf.Variable([[0.4,0.2],[0.3,0.4],[-0.5,0.2]])
with tf.Session() as sess:init=tf.global_variables_initializer()sess.run(init)x=sess.run(ts_x)print(x)
[[ 0.4  0.2][ 0.3  0.4][-0.5  0.2]]
x.shape
(3, 2)

矩阵的基本运算

矩阵的加法
x=tf.Variable([[1.,1.,1.]])
w=tf.Variable([[-0.1,-0.2],[-0.3,0.4],[0.5,0.6]])
xw=tf.matmul(x,w)with tf.Session() as sess:init=tf.global_variables_initializer()sess.run(init)print(sess.run(xw))
[[0.09999999 0.8       ]]
矩阵乘法与加法
x=tf.Variable([[1.,1.,1.]])
w=tf.Variable([[-0.1,-0.2],[-0.3,0.4],[0.5,0.6]])
b=tf.Variable([[0.1,0.2]])
xwb=tf.matmul(x,w)+bwith tf.Session() as sess:init=tf.global_variables_initializer()sess.run(init)print(sess.run(xwb))
[[0.19999999 1.        ]]
http://www.lryc.cn/news/300971.html

相关文章:

  • 【QT+QGIS跨平台编译】之三十八:【GDAL+Qt跨平台编译】(一套代码、一套框架,跨平台编译)
  • 黑马鸿蒙教程学习1:Helloworld
  • 蓝桥杯每日一题------背包问题(四)
  • OpenAI发布Sora技术报告深度解读!真的太强了!
  • AJAX——接口文档
  • leetcode hot100不同路径
  • 【前端工程化面试题目】webpack 的热更新原理
  • 不花一分钱,在 Mac 上跑 Windows(M1/M2 版)
  • Attempt to call an undefined function glutInit
  • AB测试最小样本量
  • 在Spring中事务失效的场景
  • Rust 学习笔记 - 变量声明与使用
  • windows 下跑起大模型(llama)操作笔记
  • 人工智能专题:基础设施行业智能化的基础设施,自智网络双价值分析
  • docker 编译安装redis脚本
  • 鸿蒙开发系列教程(二十三)--List 列表操作(2)
  • C#根据权重抽取随机数
  • SORA:OpenAI最新文本驱动视频生成大模型技术报告解读
  • 阿里云第七代云服务器ECS计算c7、通用g7和内存r7配置如何选择?
  • 视觉slam十四讲学习笔记(六)视觉里程计 1
  • PyTorch-线性回归
  • C++数据结构与算法——栈与队列
  • 掌上新闻随心播控,HarmonyOS SDK助力新浪新闻打造精致易用的资讯服务新体验
  • 2024年危险化学品经营单位主要负责人证模拟考试题库及危险化学品经营单位主要负责人理论考试试题
  • C/C++如何把指针所指向的指针设为空指针?
  • 第三节:基于 InternLM 和 LangChain 搭建你的知识库(课程笔记)
  • qt-C++笔记之打印所有发生的事件
  • pytorch 实现线性回归(深度学习)
  • [Doris] Doris的安装和部署 (二)
  • 【QT+QGIS跨平台编译】之三十五:【cairo+Qt跨平台编译】(一套代码、一套框架,跨平台编译)