TensorFlow北大公开课学习笔记-3.1张量计算图会话

注：本系列文章主要是复现北京大学TensorFlow笔记中的代码，方便以后使用，并没有详细讲解流程，因为我并不是专门做教程的。何况北大的教程讲的已经很好了，有需要了解详细过程的可以去看北大的教程哈。

一、基本概念
√基于 Tensorflow 的 NN：用张量表示数据，用计算图搭建神经网络，用会话执
行计算图，优化线上的权重（参数），得到模型。
√张量：张量就是多维数组（列表），用“阶”表示张量的维度。

0 阶张量称作标量，表示一个单独的数；
举例 S=123
1 阶张量称作向量，表示一个一维数组；
举例 V=[1,2,3]
2 阶张量称作矩阵，表示一个二维数组，它可以有 i 行 j 列个元素，每个元素可
以用行号和列号共同索引到；
举例 m=[[1, 2, 3], [4, 5, 6], [7, 8, 9]]
判断张量是几阶的，就通过张量右边的方括号数， 0 个是 0 阶， n 个是 n 阶，张
量可以表示 0 阶到 n 阶数组（列表）；
举例 t=[ [ [… ] ] ]为 3 阶。

√数据类型： Tensorflow 的数据类型有 tf.float32、 tf.int32 等。

举例
我们实现 Tensorflow 的加法：

import tensorflow as tf #引入模块
a = tf.constant([1.0, 2.0]) #定义一个张量等于[1.0,2.0]
b = tf.constant([3.0, 4.0]) #定义一个张量等于[3.0,4.0]
result = a+b #实现 a 加 b 的加法
print result #打印出结果

可以打印出这样一句话： Tensor(“add:0”, shape=(2, ), dtype=float32)，意思为 result 是一个名称为 add:0 的张量，shape=(2,)表示一维数组长度为 2，
dtype=float32 表示数据类型为浮点型

√计算图（Graph）：搭建神经网络的计算过程，是承载一个或多个计算节点的一
张图，只搭建网络，不运算
举例
在第一讲中我们曾提到过，神经网络的基本模型是神经元，神经元的基本模型其
实就是数学中的乘、加运算。我们搭建如下的计算图：

x1、 x2 表示输入， w1、 w2 分别是 x1 到 y 和 x2 到 y 的权重， y=x1w1+x2w2。
我们实现上述计算图：

import tensorflow as tf #引入模块
x = tf.constant([[1.0, 2.0]]) #定义一个 2 阶张量等于[[1.0,2.0]]
w = tf.constant([[3.0], [4.0]]) #定义一个 2 阶张量等于[[3.0],[4.0]]
y = tf.matmul(x, w) #实现 xw 矩阵乘法
print y #打印出结果

可以打印出这样一句话： Tensor(“matmul:0”, shape(1,1), dtype=float32)，
从这里我们可以看出， print 的结果显示 y 是一个张量，只搭建承载计算过程的
计算图，并没有运算，如果我们想得到运算结果就要用到“会话 Session()”了。

√会话（Session）：执行计算图中的节点运算。
举例对于刚刚所述计算图，我们执行 Session()会话可得到矩阵相乘结果：

import tensorflow as tf #引入模块
x = tf.constant([[1.0, 2.0]]) #定义一个 2 阶张量等于[[1.0,2.0]]
w = tf.constant([[3.0], [4.0]]) #定义一个 2 阶张量等于[[3.0],[4.0]]
y = tf.matmul(x, w) #实现 xw 矩阵乘法
print y #打印出结果
with tf.Session() as sess:
print sess.run(y) #执行会话并打印出执行后的结果

可以打印出这样的结果：

Tensor(“matmul:0”, shape(1,1), dtype=float32)
[[11.]]

我们可以看到，运行 Session()会话前只打印出 y 是个张量的提示，运行 Session()
会话后打印出了 y 的结果 1.03.0 + 2.04.0 = 11.0。

欢迎扫码关注我的微信公众号

TensorFlow北大公开课学习笔记-3.1张量计算图会话相关推荐

TensorFlow北大公开课学习笔记-4.2学习率
注:本系列文章主要是复现北京大学TensorFlow笔记中的代码,方便以后使用,并没有详细讲解流程,因为我并不是专门做教程的.何况北大的教程讲的已经很好了,有需要了解详细过程的可以去看北大的教程哈. ...
TensorFlow北大公开课学习笔记-4.1损失函数
注:本系列文章主要是复现北京大学TensorFlow笔记中的代码,方便以后使用,并没有详细讲解流程,因为我并不是专门做教程的.何况北大的教程讲的已经很好了,有需要了解详细过程的可以去看北大的教程哈. ...
TensorFlow北大公开课学习笔记-8 复现vgg16并实现图片识别
注:本系列文章主要是复现北京大学TensorFlow笔记中的代码,方便以后使用,并没有详细讲解流程,因为我并不是专门做教程的.何况北大的教程讲的已经很好了,有需要了解详细过程的可以去看北大的教程哈. ...
TensorFlow北大公开课学习笔记8-复现vgg16并实现图片识别
https://www.cs.toronto.edu/~frossard/post/vgg16/ ]img_ready = re_img.reshape((1, 224, 224, 3)) Value ...
英宝通Unity4.0公开课学习笔记Vol.0
英宝通Unity4.0公开课学习笔记公开课地址学习笔记目录公开课地址公开课地址:游戏蛮牛网. 源码素材:游戏蛮牛网. 公开课在官网上刷新不出来,只能去B站上找资源了.视频链接:哔哩哔哩. Un ...
深度学习与TensorFlow：FCN论文学习笔记
七月上海 | 高性能计算之GPU CUDA培训 7月27-29日三天密集式学习快速带你入门阅读全文> 正文共1708个字,5张图,预计阅读时间8分钟. 这篇文章陆陆续续看了快两周,其中也遇 ...
TensorFlow学习笔记--第三节张量（tensor）及其定义方法
目录在TensorFlow中,所有的数据通过张量的形式来表示 1张量及属性: 1.1维数(阶) 1.2 形状 1.3数据类型 TensorFlow 支持以下三种类型的张量: **1.常量** **2 ...
MIT Artificial Intelligence —— Patrick H. Winston 麻省理工人工智能公开课学习笔记（一）
本系列文章是博主对网易公开课中麻省理工人工智能课程的学习笔记,在此方便学习和分享. Lecture 1: Introduction and Scope 本节课程大概从这三方面讲述: 一.什 ...
【Algorithms公开课学习笔记3】栈与队列
Stack and Queue 栈和队列 0.前言本文是对数据类型的学习笔记,将会从接口(interface),实现(implement), 客户(client)等三个角度分模块来组织文章. 接口: ...
斯坦福机器学习公开课学习笔记(1)—机器学习的动机与应用
(转载请注明出处:http://blog.csdn.net/buptgshengod) 1.背景斯坦福机器学习公开课差不多是网上能找到的最好的机器学习入门课程了.现在一共有20节课放 ...

TensorFlow北大公开课学习笔记-3.1张量计算图会话

欢迎扫码关注我的微信公众号

TensorFlow北大公开课学习笔记-3.1张量计算图会话相关推荐

最新文章

热门文章