Tensorflow(一) 基础命令
Tensorflow是怎样运作的
1. 导入或生成数据集
2. 对数据进行标准化
3. 将数据集划分成三部分:训练集、测试集合验证(validation)集:验证集用于调整假设参数,以获取一组最好的假设参数
4. 设定算法参数
5. 初始化变量(Variable)和占位符(Placeholder)
6. 定义模型结构
7. 声明损失函数
8. 初始化并训练模型
9. 评估模型
10. 调整假设参数
11. 部署/预测新的输出
声明变量(Variable)和张量(Tensor)
固定张量:
创建一个由0填充的张量:
zero_tsr = tf.zeros([row_dim, col_dim])
创建一个由1填充的张量:
ones_tsr = tf.ones([row_dim, col_dim])
创建一个由常数填充的张量:
filled_tsr = tf.fill([row_dim, col_dim], 42)
创建一个张量类型的常数
constant_tsr = tf.constant([1,2,3])
序列张量:
linear_tsr = tf.linspace(start=0, stop=1, start=3)
integer_seq_tsr = tf.range(start=6, limit=15, delta=3)
随机张量:
randunif_tsr = tf.random_uniform([row_dim, col_dim],minval=0, maxval=1)
randnorm_tsr = tf.random_normal([row_dim, col_dim],mean=0.0,stddev=1.0)
truncnorm_tsr = tf.truncated_normal([row_dim, col_dim],mean=0.0, stddev=1.0)
# mean表示均值,stddev表示偏差
randnorm=tf.random_normal(shape=[1000],mean=0 ,stddev=1.)
randtrun=tf.truncated_normal(shape=[1000],mean=0,stddev=1.)
对比
shuffled_output = tf.random_shuffle(input_tensor)
cropped_image = tf.random_crop(my_image, [height/2, width/2,3])
使用占位符(Placeholder)和变量(Variable)
变量:就是算法中的那些参数,tenserflow框架会时刻追踪着那些变量,调整变量的值,使算法最优化。
placeholder:占位符,你可以往里面喂进制定类型和形状的张量。
代码
使用矩阵
//创建对角矩阵
identity_matrix = tf.diag([1.0, 1.0, 1.0])
//将数组转化为张量
D = tf.convert_to_tensor(np.array([[1., 2., 3.],[-3., -7.,-1.],[0., 5., -2.]]))
//两个矩阵相乘
tf.matmul(m1,m2)
//对矩阵进行转置操作
tf.transpose(m)
//计算矩阵所对应的行列式的值
tf.matrix_determinant(m)
//获取该矩阵的逆矩阵
tf.matrix_inverse(m)
//使用cholesky分解:一个对称正定矩阵可以表示成一个下三角矩阵L和其转置的乘积的分解
tf.cholesky(m)
//获取矩阵的特征值和特征向量
tf.self_adjoint_eig(m)
声明操作(Operation)
abs()
求输入tensor的绝对值
ceil()
对tensor进行向上取整
cos()
求tensor的cos值
exp()
求tensor以e为底的指数
floor()
对tensor进行向下取整
inv()
求tensor的倒数
log()
求tensor的自然对数
maximum()
选取两个tensor中较大的那个元素
minimum()
选取两个tensor中较小的那个元素
neg()
求tensor的负数
pow()
第一个tensor作为底数,第二个tensor作为指数
round()
获取tensor的约数,四舍五入
rsqrt()
求tensor的平方根到倒数
sign()
根据tensor的sign值返回-1,0,1
sin()
求tensor的sin值
sqrt()
求tensor的平方根
square()
求tensor的平方
squared_difference()
求两个tensor的差的平方
输出结果
实现激活函数
sigmod 类:
sigmod: 1/(1+exp(-x))
tanh: ((exp(x)- exp(-x))/(exp(x)+exp(-x))
softsign: x/(abs(x) + 1)
输出图像
ReLu 类:
softplus: log(exp(x) + 1)
ReLu: max(0,x)
ReLu6: min(max(0,x),6)
ExpLu(elu): (exp(x)-1) if x < 0 else x
Tensorflow(一) 基础命令相关推荐
- 7.2 TensorFlow笔记(基础篇): 生成TFRecords文件
前言 在TensorFlow中进行模型训练时,在官网给出的三种读取方式,中最好的文件读取方式就是将利用队列进行文件读取,而且步骤有两步: 1. 把样本数据写入TFRecords二进制文件 2. 从队列 ...
- Linux安全基础:shell及一些基础命令
1.什么是shell? Shell是用户和Linux操作系统之间的接口. Linux中有多种shell,其中缺省使用的是Bash. 2.shell的分类 (1)bash bash shell 是 Bo ...
- Golang学习-基础命令
链客,专为开发者而生,有问必答! 此文章来自区块链技术社区,未经允许拒绝转载. . Golang学习-基础命令 一.go run 用于运行命令源码文件,只能接收一个命令源码文件以及若干个库源码文件作为 ...
- Linux学习(1)-Linux几个基础命令及文件系统功能和作用
工作第一天,冲冲冲!!! 用户界面**:任何时候我们想与操作系统进行交互都必须有接口,接口是一种程序,我们称之为用户接口,也称为用户界面,有如下两类: (1)GUI:GNome.KDE (2)CLI: ...
- shell常用的基础命令
shell常用的基础命令 1 diff命令 2 patch命令 3 cut命令 4 sort命令 5 uniq 命令 6 tr命令 7 &&和 || 8 test命令 8.1 test ...
- Docker学习(2)——图文并茂讲解Docker基础命令
一.Docker基础命令总结 命令 功能 docker load -i ubuntu.tar 导入镜像 docker run -it --name vm1 ubuntu 创建容器(以ubuntu镜像为 ...
- mysql--常用基础命令
MySQL数据库入门---常用基础命令 数据--公司的生命线,因此在大多数的互联网公司,都在使用开源的数据库产品,MySQL也因此关注度与使用率非常的高,所以做为运维的屌丝们,掌握它的一些基本操 ...
- Centos7 MYSQL安装与基础命令运用
Centos7 MYSQL安装与基础命令运用 1.关闭防火墙,selinux systemctl stop firewalld setenforce 0 2.实现虚拟机能够上网,所以说要两块网卡,一块 ...
- kali Linux 屏幕旋转,MSF基础命令新手指南
基础命令概览: back(返回): 从目前的情况下向后移动 banner:Display an awesome metasploit banner cd: ...
- linux常用基础命令操作收集
linux常用基础命令操作收集,以下命令基于CentOs6.x 1.日常操作命令 **查看当前所在的工作目录 pwd **查看当前系统的时间 date **查看有谁在线(哪些人登陆到了服务器) who ...
最新文章
- 开源代码却无奈遗弃,濒临奔溃的开源开发者们!
- python post请求 上传图片_利用python模拟实现POST请求提交图片的方法
- 设计模式16——Memento设计模式
- java jsp失效问题--待解决
- POPUP_TO_CONFIRM_STEP
- Node响应中文时解决乱码问题
- LeetCode_字符串类
- stm32滴答计时器_stm32笔记:Systick系统滴答定时器
- python django flask介绍_django和flask哪个值得研究学习
- 24 OB22无法修改公司代码的附加本位币从EUR到CNY
- 去认识一下WCDMA中的SCH信道
- Learning 3D Shape Completion from Laser Scan Data with Weak Supervision
- JavaScript语言精粹:对象——读书笔记
- Ubuntu(Mint)下搭建SVN服务器
- Python数据分析之理论知识
- 11.1-12.31推荐文章汇总
- cartographer原理简述
- 毕业设计-仓库管理信息系统设计与实现(论文+源码+ppt答辩+开题报告+任务书)
- 列线图、nomogram到底是什么东西?如何实施?如何解读?
- Linux内核网络:实现与理论--介绍